Java：从列表中解析单词的文本（首字母缩略词，缩写等）

Question

鉴于：

• 文字（HTML标签可选）
• 包含缩写和首字母缩写词的数据库表（如“etc.”，“s.o。”，...）

目标：

• 构建一个解析器，查找给定文本中的所有匹配项
• 建立一个小gui让用户选择找到的匹配项是否匹配（这将按要求摆动）
• 用户可以选择忽略匹配（也必须标记为“要忽略”）
• 使用特殊的XML构造替换任何已接受的事件

我的主要问题是解析器，我已经提到了GUI只是为了给出一个完整的概述。

任务是构建一个分析e.x文本的解析器。首字母缩略词并标记它以供以后后处理。任何“标记”都必须以XML标签的形式出现，因为周围环境不接受任何其他内容（我们在CMS的DOM编辑器中以“Spirit”结束;））。

是否有人对图书馆有提示或有没有人建立这样的东西？你是怎么做的，或者你会怎样处理这样的事情：

• 两个或多个单词是一个实体
• fullstop - 您正在寻找的部分句子或部分令牌
• 迭代替换 - 用户接受第一次出现 - 即时替换还是缓冲？

任何想法，图书馆提示，维基百科文章，等等 - 都是有帮助的。我没有找到任何回答上述所有方面的相关问题。

Answer 1

我已经阅读了很多关于apache lucene的好东西，如果我有一个类似的项目，我会先看看这个。它可以索引源文档并帮助查找所有缩写词（如果我说得对，那就是“解析”步骤的结果）。

Answer 2

使用在输入上运行的某种SAX解析器。对于每次点击，您暂停解析，在gui中显示并让用户选择要执行的操作。解析时在后台构建DOM树。

每次用户替换某些内容时，都会替换该DOM树中的给定元素（您知道它是哪个，因为您持有用户需要响应的元素）。

当整个事情被解析和替换时，你只需打印出DOM树。