2

目前，我使用以下正则表达式来解析文档中的句子：

Pattern.compile("(?<=\\w[\\w\\)\\]](?<!Mrs?|Dr|Rev|Mr|Ms|vs|abd|ABD|Abd|resp|St|wt)[\\.\\?\\!\\:\\@]\\s)");

这几乎可以工作。例如：给定这个字符串：

“玛丽有一只小羊羔（即羊羔派）。以下是它的特性： 1. 它有四英尺 2. 它有绒毛 3. 它是哺乳动物。它有白色绒毛。她的父亲 Lamb 先生住在 Mulbery圣在一座小白屋里。”

我得到以下句子：

Mary had a little lamb (i.e. lamby pie).
Here are its properties: 
1. It has four feet  2. It has fleece 3. It is a mammal. 
It had white fleese. 
Her father, Mr. Lamb, live on Mulbery St. in a little white house.

但是，我想要的是：

Mary had a little lamb (i.e. lamby pie).
Here are its properties: 
1. It has four feet  
2. It has fleece 
3. It is a mammal. 
It had white fleese. 
Her father, Mr. Lamb, lives on Mulbery St. in a little white house.

有没有办法通过改变现有的正则表达式来做到这一点？

现在要完成这项任务，我首先进行初始拆分，然后检查项目符号。以下代码有效，但我想知道是否有更优雅的解决方案：

public static void doHomeMadeSentenceParser(String temp) {
    Pattern p = Pattern
            .compile("(?<=\\w[\\w\\)\\]](?<!Mrs?|Dr|Rev|Mr|Ms|vs|abd|ABD|Abd|resp|St|wt)[\\.\\?\\!\\:\\@]\\s)");
    String[] sentences = p.split(temp);
    Vector psentences = new Vector();
    Pattern p1 = Pattern.compile("\\b\\d+[.)]\\s");
    for (int x = 0; x < sentences.length; x++) {
        Matcher matcher = p1.matcher(sentences[x]);
        int bstart = 0;
        boolean bulletfound = false;
        while (matcher.find()) {
            bulletfound = true;
            String bullet = sentences[x].substring(bstart, matcher.start());
            if (bullet.length() > 0) {
                psentences.add(bullet);
            }
            bstart = matcher.start();
        }
        if (bulletfound)
            psentences.add(sentences[x].substring(bstart));
        else
            psentences.add(sentences[x]);
    }
    for (int x = 0; x < psentences.size(); x++) {
        String s = (String) psentences.get(x);
        System.out.println(s.trim());
    }
}

提前感谢您的帮助。

艾略特

4

1 回答 1

0

我假设您正在使用正则表达式来查找分割线的位置。我不知道这方面的正则表达式，但你能期待一个数字后跟句号（。）吗？

于 2012-04-28T22:28:23.510 回答