Question

我正在构建正在寻找日期的正则表达式。我想返回找到的日期和找到的句子。在下面的代码中，date_string两侧的字符串应该检查句子的条件。为了你的缘故，我省略了date_string的正则表达式 - 足以说明，它适用于挑选日期。虽然date_string的内部并不重要，但它被分组为一个完整的正则表达式。

"((?:[^.|?|!]*)"+date_string+"(?:[^.|?|!]*[.|?|!]\s*))"

问题是date_string只匹配任何给定日期的最后一个数字，可能是因为date_string前面的正则表达式匹配得太远而且超出了日期正则表达式。例如，如果我说“独立日是7月4日”，即使它与“7月4日”匹配，我也会得到4和4的句子。如果您想知道，我的dategetring里面的正则表达式的排序方式是'7月4'应该首先匹配。有没有办法在一个正则表达式中完成所有这些操作？或者我是否需要以某种方式将其拆分（即将所有文本拆分成句子，然后检查每个句子）？

Answer 1

你的正则表达式有几个问题。

字符类没有替换。您想要[^.?!]，而不是[^.|?|!]。
您根本不需要非捕获组。
您可能不需要任何“外部”分组，因为整个匹配就是您所寻找的。
你在日期之前的比赛部分是贪婪的，不应该是（这是你日期的一部分）。
你假设什么类似于与现实不符的句子。你自己的例子证明，如果你尝试。

暂时搁置最后一点，你最终会得到这个版本：

[^.?!]*?(July 4)[^.?!]*[.?!]\s*

文字July 4代表您的日期正则表达式。这与您的问题文本相符：

' For example, if I say "Independence Day is July 4.'
'", I will get the sentence and 4, even though it should match 'July 4'. '

这几乎证明了我的观点＃5。

Answer 2

您可以通过添加问号使重复操作符非贪婪。在你的情况下，它将是

[^.?!]*?

是的，将文本分成句子（最好不包括最后一个字符）会让它变得更容易。

（好像我没看过角色类中的内容。用tloflin替换它。）

正则表达式中的嵌套组

2 个答案: