单位提取的迭代程序

Question

有时会有一系列值后跟一个度量单位。输入将是一个包含数字的文本字符串，后跟要由函数提取的单位。给定一个包含数字后跟单位的文本字符串，以下内容可以将数字和单位提取为嵌套向量：

(def aa ["meter" "kilometer"])
(def bb (clojure.string/join "|" aa))
(def cc (str "(\\d+)\\s*(" bb ")")) 
(def dd (re-pattern  cc))

(defn foostring [strings]
     (into [] (map into [] (map (fn [[_ count unit]] {:count count, :unit unit})
     (re-seq dd strings)))))

例如，让我们尝试输入：

(foostring "Today I sprinted 40 meters.")

输出将是：

[[[:count 40] [:unit meter]]]

但是我无法提取一系列数字，后跟一个单位，例如以下示例：

(foostring "Today I sprinted between 80-90 meters.")

该功能将为计数和计量单位选择90。但是，我试图获取单位前面的数字范围。

我认为可以提取此类模式的想法将以“近邻”的形式递归查看。即，函数找到单位，然后在单位的左侧查找数字。在“向左看”的过程中，该功能可能搜索单个数字，例如所提到的例子，数字后跟标点符号，即斜线 - 或一个单词。扩展上一次搜索让我举一个例子：

(foostring "Today I ran between 80 to 90 meters.")

或者，口语

（foostring“有80 80 Yeti穿过森林。”）

虽然Yeti的例子很奇怪，但在写作时，它会捕捉到人们的语音被翻译成文本的想法。可能发生这种情况的一个例子是在引用某人撰写文章的过程中。

Answer 1

  

我认为可以提取此类模式的想法将以“近邻”的形式递归查看。

如果你的意思是递归，那么你肯定会离开正则表达式的领域。如果你对表达式不太疯狂，可以使用无上下文的EBNF。

(require '[instaparse.core :as insta])


(def foostring
  (insta/parser
     "<S> = Expr+
      Expr = <Stuff> Number+ {<[' '] [Preposition] [' ']> Number} <' '> Unit <Stuff>;
      Bleh = #'[a-z A-Z.,]+';
      Stuff = {Bleh}
      Preposition = 'between'|'to'|'-';
      Unit = 'meter'|'kilometer'|'Yeti'|'sandwiches';
      Number = #'[0-9]+'"))

如果您没有单位/介词的设定列表，请定义为例如任何一个字。

(foostring "Today I sprinted 40 meters while eating 2 3 4 sandwiches, running from 80-90 Yeti.")
=>
([:Expr [:Number "40"] [:Unit "meter"]]
 [:Expr [:Number "2"] [:Number "3"] [:Number "4"] [:Unit "sandwiches"]]
 [:Expr [:Number "80"] [:Number "90"] [:Unit "Yeti"]])

Answer 2

试试这个：

(?i)(?<lowerBound>\d+)(?:\s*(?:-|to)\s*(?<upperBound>\d+))?\s+(?<unit>meters?|kilometers?|...)

描述

演示

http://fiddle.re/k20ff （选择Java，因为Clojure与Java共享相同的风格）