Question

我有一个问题应该对专家来说应该很简单，但对我来说却是非常神秘:)我想将一个文本（预处理，除了常规标点符号之外没有特殊字符）解析成句子并执行两项任务类似于：

对于每个句子，找到单词的数量（句子长度）。然后对于文档，找到平均句子长度。没有必要报告任何句子级别的输出。请注意，该文档包含相当数量的专有名词，因此大写字母不一定意味着句子的开头。但是本文档中的句子通常以“，”，“！”或“？”结尾。
对于每个句子，应用正则表达式模式。如果匹配，则给句子赋值，例如1。对于整个文档，报告匹配数。同样，只需要文档级输出。

我想知道是否有办法做到这一点，最好是在C＃或VB中。任何帮助将不胜感激。

======================

示例段落：

This is an example of a paragraph! It contains three sentences? And the average sentence has many words.

示例模式：

"three"

输出：

number of sentences-3.
Average sentence length-6.
Number of matches-1.

Answer 1

你可以使用：

得到一个句子（取决于你对句子的定义）

(\a|[\.!\?:])[^\.!\?:]+

一句话使用：

[a-zA-Z]+

其余的很简单 - 只需查看MSDN上正则表达式的文档。

Answer 2

这应该有效：

string example =
    "This is an example of a paragraph! It contains three sentences? And the average sentence has many words.";

var splitExample = example.Split(new[] {'.', '!', '?'}, StringSplitOptions.RemoveEmptyEntries);

var matchExpression = new Regex("three");
double avgLength = splitExample.Average(x => x.Split(new []{' '}, StringSplitOptions.RemoveEmptyEntries).Length);
int sentences = splitExample.Length;
int matches = splitExample.Where(x => matchExpression.IsMatch(x)).Count();

Answer 3

您可以根据句点（。）进行Split，这会给您一系列句子。

string sentences[] = document.Split('.');

然后你会根据“空格”对每个“句子数组”做一个Split来得到单词数。

是的，然后你会使用正则表达式进行匹配。由于你没有指定你想要匹配的内容，我可以添加其他内容。

将文档解析为句子

3 个答案: