Question

我在Rails中有一个字符串，例如“这是Twitter的消息。＃Book War＆amp; Peace by Leo Tolstoy。我喜欢这本书！”，我想解析文本，只提取某些短语，如“战争与和平托尔斯泰”。

这是使用正则表达式并将“#books”之间的文本提升为“。”的问题吗？

如果消息没有结构，例如： “这是Twitter消息#books War＆amp; Peace by Leo Tolstoy我喜欢这本书！”要么 “这是Twitter的消息。我喜欢Leo Tolstoy #books的战争与和平书” 如何在不知道事前的短语的情况下，可靠地拉出“战争与和平由Leo Tolstoy”这句话。

有没有可以帮助我做到这一点的宝石，方法等？

至少，你怎么称呼我要做的事情？它将帮助我在Google上搜索解决方案。我已经尝试过几次“解析”搜索而没有运气。

---编辑--- 基于@rogeliog建议，我将添加以下内容：

我可以忍受#books之后的垃圾文本，但之前没有。我试过“匹配。（/＃books。* /）” - 结果在这里：www.rubular.com/r/gM7oSZxF5M。

但是如何捕获结果＃6？（例如，当某人将#books放在句末时）？

我有办法用正则表达式做if-then吗？类似的东西：

如果[#books在消息的末尾]，

然后[取#books之前的最后10个字]，

其他[匹配。（/＃books。* /）]

如果您提供正则表达式，请使用rubular.com

通过永久链接发布您的解决方案

Answer 1

我认为你需要的是Natural Language Processing。这是一个非常大的领域，有许多技术和应用。特别是Ruby，您可能希望查看Ruby Linguistics项目。

祝你好运，解析和处理自然语言并非易事。

Answer 2

我认为您正在尝试解析一些非常复杂的变体。你有一个包含所有书名的数据库吗？这将有助于分配。

从第一个例子中获取标题（“这是一条Twitter消息。＃Book War＆amp; Peace by Leo Tolstoy。我喜欢这本书！”）你可以简单地说：

"This is a Twitter message. #books War & Peace by Leo Tolstoy. I love this book".match(/#book.*\./).to_s.gsub("#books",'')

这将回归：“托尔斯泰的战争与和平”。

如果您想根据#books是否结束而执行if else语句，您可以：

if text.match(/#books$/)
  puts text.match(/([^\s]*\s){10}(#books$)/).to_s
else
  puts text.match(/#books.*/).to_s.gsub("#books",'')
end

如果#books在最后，那将会给你前书中的最后10个单词，如果#books不在最后那么它将会出现在#books之后

我真的没有更好的主意，希望对你有用，让我知道:)。

从Rails中的字符串解析/提取文本？

2 个答案: