Question

String description="Big data is a broad term for data sets so large or complex that traditional data processing applications are inadequate. البيانات الضخمة هي عبارة عن مجموعة من مجموعة البيانات الضخمة جداً والمعقدة لدرجة أنه يُصبح من الصعب معالجتها باستخدام أداة واحدة فقط من أدوات إدارة قواعد البيانات أو باستخدام تطبيقات معالجة البيانات التقليدية. "

我需要正则表达式才能提取阿拉伯语单词。

我检查this ticket，但是，它是一张PHP票证，而我需要JAVA正则表达式。

import java.util.regex.*;
Pattern p = Pattern.compile("#(?:[\x{0600}-\x{06FF}]+(?:\s+[\x{0600}-\x{06FF}]+)*)#u");
print(p.matcher(description).group(1));

它引发了一个错误。

Answer 1

要查找一个或多个阿拉伯字符，您可以使用\p{InArabic}+

Pattern documentation并未直接提及此类，但它提供了有关

的信息

Unicode脚本，块，类别和二进制属性的类
  \p{IsLatin}拉丁文字符（script）
  \p{InGreek}希腊街区中的一个角色（block）
  \p{Lu}大写字母（category）
  \p{IsAlphabetic}字母字符（binary property）

并且受到\p{InGreek}示例的鼓励，我们可以开始阅读有关块的内容，以找到

块使用前缀In指定，与InMongolian一样，或使用关键字block（或其简称blk ）如同block=Mongolian或blk=Mongolian。

Pattern支持的块名称是UnicodeBlock.forName接受和定义的有效块名称。

最后一句话对我们来说最重要。现在我们需要查看UnicodeBlocks是否应该支持阿拉伯字符组。所以我们访问documentation我们可以在哪里找到字段

public static final Character.UnicodeBlock ARABIC

表示支持阿拉伯字符阻止。

因此，要查找单个阿拉伯语单词，您的代码可能如下所示：

String description="Big data is a broad term for data sets so large or complex that traditional data processing applications are inadequate. البيانات الضخمة هي عبارة عن مجموعة من مجموعة البيانات الضخمة جداً والمعقدة لدرجة أنه يُصبح من الصعب معالجتها باستخدام أداة واحدة فقط من أدوات إدارة قواعد البيانات أو باستخدام تطبيقات معالجة البيانات التقليدية. ";
Pattern p = Pattern.compile("\\p{InArabic}+";
Matcher m = p.matcher(description);
while(m.find()){
    System.out.println(m.group());
}

输出：

البيانات
الضخمة
هي
.
.
.
البيانات
التقليدية

如果您想查找由一个或多个空格分隔的阿拉伯单词组，您可以使用此模式

Pattern p = Pattern.compile("\\p{InArabic}+(?:\\s+\\p{InArabic}+)*");

您可能想知道* - 代表零或更多，+ - 一个或多个

所以这个正则表达式意味着

\\p{InArabic}+     # one or more Arabic characters (Arabic word)
(?:                # non-capturing group storing:
  \\s+             # one or more whitespace characters
  \\p{InArabic}+   # with another Arabic word after it
)*                 # zero or more times

从字符串中提取阿拉伯语单词（不是语义阿拉伯语短语）

1 个答案: