3

我在正则表达式方面的技能充其量是微不足道的。但是，我有一项任务需要阅读医学类型的文本，并标记不同类型的单词。此外，我需要确定该术语是否被否定。似乎有一组用 Python 编写并移植到 Java 的例程来执行我需要的类型的事情。它们被称为 Context/Negex，可以在这里找到；谷歌代码 Negex 项目

我可以阅读 Java，并且我了解他们正在尝试做的一些事情。我的理解是他们对句子进行术语扫描以查找术语标记术语，然后遍历一组“否定短语”并标记否定术语，并将原始术语标记更改为否定。

我的第一个问题，有人知道这种例程的 Oracle 端口吗？（一种选择是将 java 版本实现为 Oracle Java 存储过程，但我会发现很难修改和支持）。如果没有，我有一个关于正则表达式的问题；

问题：在没有嵌套的情况下替换先前替换的子集。

假设我有一个包含的字符串；

狗 大象 狗 猫 猫 狗 老鼠

然后我想标记两个短语

1) dog cat 
2) dog

编辑：需要将 dog 作为一个离散的词来处理，并且不会像下面那样匹配 dogfish 或 fishdog；

狗 象 狗 猫 猫 狗 狗鱼 鱼狗 鼠标

我会用“dog cat”替换所有“dog cat”；

dog elephant <term id=123 type=pos>dog cat</term> cat dog mouse

我现在需要替换所有术语“狗”，除了已经在任何以“”开头的标签中的“狗”产生：

<term id=456 type=pos>dog</term> elephant <term id=123 type=pos>dog cat</term> cat <term id=456 type=pos>dog</term> mouse

正则表达式可以做到这一点吗？如果是这样，正则表达式会导致 regexp_replace 忽略“”标签中的任何内容？

我实施了以下概述的方法：

  FUNCTION ANNOTATE_ONE_TERM(IN_TEXT IN VARCHAR2, SEARCH_TERM IN VARCHAR2, TERM_TYPE IN VARCHAR2, RECORD_ID IN NUMBER) RETURN CLOB
  IS
    REGEX_SEARCH VARCHAR2(512);
    REGEX_REPLACE VARCHAR2(512);
  BEGIN
    REGEX_SEARCH := '((<TERM.*?</TERM>|[^<])*?)(^|\W)('|| SEARCH_TERM ||')($|\W)';
    REGEX_REPLACE := '\1 <TERM ID='|| TO_CHAR(RECORD_ID)||' TYPE=' || TERM_TYPE ||'>'|| SEARCH_TERM ||'</TERM> ';
    DBMS_OUTPUT.PUT_LINE('REGEX_SEARCH = ' || REGEX_SEARCH);
    DBMS_OUTPUT.PUT_LINE('REGEX_REPLACE = ' || REGEX_REPLACE);
    RETURN TRIM(REGEXP_REPLACE(IN_TEXT, REGEX_SEARCH, REGEX_REPLACE,1,0,'in'));
  END ANNOTATE_ONE_TERM;

它适用于示例文本，但是当我尝试使用更简单的字符串时；

SELECT ANNOTATE_ONE_TERM(ANNOTATE_ONE_TERM(UPPER('elephant dog cat cat dogfish fishdog mouse'), 'DOG CAT', 'POS', 123),'DOG', 'POS',456) 
FROM DUAL;

我最终得到;

ELEPHANT <TERM ID=123 TYPE=POS <TERM ID=456 TYPE=POS>DOG</TERM> CAT</TERM> CAT DOGFISH FISHDOG MOUSE

它似乎吃了一个尾随的“>”并嵌套了一个标签。

感谢所有额外的帮助。

4

2 回答 2

1 
regexp_replace(  
  'dog elephant <term id=123 type=pos>dog cat</term> cat dog mouse',
  '((<term.*?</term>|[^<])*?)dog', 
  '\1<term id=456 type=pos>dog</term>'
)

小提琴

于 2013-08-31T19:58:20.657 回答
0 
REGEXP_REPLACE (
      REGEXP_REPLACE (source_string,
                      '(^| +)(dog cat)($| +)',
                      ' <term id=123 type=pos>\2</term> '),
      '(^| +)(dog)($| +)',
      ' <term id=456 type=pos>\2</term> ')

演示在这里。

于 2013-09-01T02:07:48.953 回答