Question

我需要使用javascript使用正则表达式提取完整表单

我尝试过

(\w+\s*[^a-z^A-Z]*){3}\s*\([A-Z]*\)

但是当存在诸如此类的完整表格时，提取失败

大多数常见误操作（MCM）（仅选择粗体）

下面是要测试的文本：

从生物医学文献中自动提取首字母缩写词定义对的任务已经完成

最常见的误接（MCM）经过研究，几乎专门针对英语在过去的几十年中，使用了自然语言处理（NLP）的技术。这个部分 167 提出了一些方法和技术被应用于首字母缩写词识别任务。 Taghva和Gilbreth（1999）提出了首字母缩写词7'- $ **** Finding Program（AFP）

，基于模式匹配。他们的程序寻求首字母缩写词候选，以大写字母显示话。他们为每个计算启发式分数通过将单词分类为以下内容来竞争定义：（1）停用词（“ the”，“ of”，“ and”），（2）带连字符的词（3）普通词（不包含该词的词）属于以上任何类别）和（4）首字母缩写词本身（因为首字母缩写词可以有时是定义的一部分）。法新社利用最长公共子序列（LCS）算法（Hunt和Szymanski，1977）找到所有首字母缩写词可能与文本对齐，然后是基于的简单评分规则在比赛中。他们的表现报告实验是：召回率达86％，精度达98％

Answer 1

您可以使用3个捕获组，并向与这些单词的第一个字母匹配的组进行反向引用，而不是重复该组3次。

\b(\w)[\w']*[^a-zA-Z()]* (\w)[\w']*[^a-zA-Z()]* (\w)[\w']*[^a-zA-Z()]* \(\1\2\3\)

\b字边界
(\w)匹配第1组
[\w']*匹配单词char或'的0+次
[^a-zA-Z()]* 匹配0倍以上所列字符以外的任何字符，然后匹配一个空格
(\w)[\w'][^a-zA-Z()] 与上述第2组
(\w)[\w'][^a-zA-Z()] 与上述第3组
(\1\2\3)在括号之间，对捕获组使用3个反向引用

Regex demo

您还可以通过将'添加到字符类中并重复0次以上[\w']*

来更新模式。

您可以使用允许匹配的字符扩展字符类。

\b(?:\w[\w']* [^a-zA-Z]*){3} ?\([A-Z]{3}\)

\b字边界
(?:非捕获组
- \w[\w']* 匹配一个char字符，并将除char或'以外的任何char匹配0+次，然后匹配一个空格
- [^a-zA-Z]*匹配除a-zA-Z以外的任何字符0+次
){3} ?重复3次并匹配可选空间
$[A-Z]{3}$匹配括号中3个出现的A-Z

Regex demo

正则表达式选择匹配括号的单词

1 个答案: