Question

有没有办法在Java中匹配句子的开始和结束？最简单的情况是以简单（。）点结尾。在其他一些情况下，它可以以colum（:)或以colum（。:)结尾的快捷方式结束。

例如一些随机新闻文字：

在该市发生地震期间，新西兰的悬崖已经倒塌基督城在南岛。没有严重的伤害或死亡在当地时间13:13发生的情人节地震中报道了这一情况时间。根据 med。报告，每个人都可以。

我的目标是获取单词的快捷方式+它的上下文，但如果可能的话，只有快捷方式所在的句子。

所以，如果我能得到这样的东西，那么我的成功输出将是：

选定的字 - ＆gt;折叠

上下文 - ＆gt;在南岛基督城市发生地震时，新西兰的悬崖倒塌了。

选定的字 - ＆gt; MED。

上下文 - ＆gt;根据 med。报告，每个人都可以。

由于

Answer 1

您正在寻找的是一种自然语言处理工具包。对于java，您可以使用：CoreNLP 他们的教程页面上已经有一些示例案例。你当然可以制作一个正则表达式来查找字符集之间的所有字符（。：？etc ...），它看起来像这样：

\.*?(?=[\.\:])\

然后你必须遍历匹配的结果并找到包含你的单词的相关句子。但我建议您使用NLP来实现这一目标。

Answer 2

代码：

import java.util.HashMap;
import java.util.Map;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Main {

   public static void main( String[] args ) {
      final Map<String, String> dict = new HashMap<>();
      dict.put( "med", "medical" );
      final String text =
         "Cliffs have collapsed in New Zealand during an earthquake in the "
         + "city of Christchurch on the South Island. No serious damage or "
         + "fatalities were reported in the Valentine's Day quake that struck "
         + "at 13:13 local time. Based on the med. report everybody were ok.";
      final Pattern p = Pattern.compile( "[^\\.]+\\W+(\\w+)\\." );
      final Matcher m = p.matcher( text );
      int pos = 0;
      while(( pos < text.length()) && m.find( pos )) {
         pos = m.end() + 1;
         final String word = m.group( 1 );
         if( dict.containsKey( word )) {
            final String repl            = dict.get( word );
            final String beginOfSentence = text.substring( m.start(), m.end());
            final String endOfSentence;
            if( m.find( pos )) {
               endOfSentence = text.substring( m.start() - 1, m.end());
            }
            else {
               endOfSentence = text.substring( m.start() - 1);
            }
            System.err.printf( "Replace '%s.' in '%s%s' with '%s'\n",
               word, beginOfSentence, endOfSentence, repl );
            final String sentence =
               ( beginOfSentence + endOfSentence ).replaceAll( word+'.', repl );
            System.err.println( sentence );
         }
      }
   }
}

执行：

Replace 'med.' in 'Based on the med. report everybody were ok.' with 'medical'
Based on the medical report everybody were ok.

Answer 3

你很容易发现这句话。它以大写字母开头，以.:!?个字符之一结尾，后跟空格和另一个大写字母，或者到达整个字符串的末尾。

比较差异time. Based和med. report。

因此捕获整个句子的正则表达式应如下所示：

([A-Z][a-z].*?[.:!?](?=$| [A-Z]))

看一看！ Regex101

正则表达式的开头和结尾

3 个答案: