问题标签 [sentence]

可能重复：
在 C++ 中拆分字符串

如何将一堆用空格分隔的单词读入数组？

说我有这句话：

“我喜欢青蛙”

而这个数组：

我想做

举个例子。（请不要告诉我对我刚刚写的句子进行硬编码，这是一个例子。）

我一直在 C++ 中遇到此代码的问题：

我实际上希望我的程序用户生成要放入 char 短语 [100] 的短语，但我无法弄清楚在不搞砸翻译的情况下启动输入的正确语法。

这是一个将短语翻译成猪拉丁语的程序。

我在数据库中有一个日期（存储为 VARCHAR2），格式为：

我想做一个SQL语句来获取：

我的目标是手动添加（我知道可以从数据库中导出数据，然后导入 Excel，但我想手动添加）到 Excel 作为可识别的日期。

我的 SQL 语句应该如何？

我试图通过以下方式做到这一点：

但我只能获得：

谢谢

我正在寻找一种将未知文本修剪到一定长度的解决方案。只保留完整的句子。

所以像这样的文字

应该变成

字符限制为 50、40（和 20 与 --find-next-sentence-ending）。

我读过很多 SO question - 大多数答案都是

但这显然不适用于上述句子和其他类似句子。其他人建议使用斯坦福文本解析器或 OpenNLP。它们真的很酷，但不适用于典型应用。您不会在 Ruby/PHP 服务器上安装 Java，只是为了修剪文本，对吧。所以我正在寻找一些 80/20 的解决方案，它与语言无关，并且能够处理出现的典型案例。

我想不出比这更有问题的句子（在下一个句子的开头包含日期、非点句结尾和非 ascii 字符，以及“限制”句中间的非结尾点）。

我还创建了一个 GIST (https://gist.github.com/4051035) 供您分叉和玩 - 分叉确保用户可以点击此问题的不同解决方案，所以请使用它;) 我想提出这个问题comunity-wiki，但它似乎不适用于问题 - 仅用于答案。因此，请在评论中添加任何建议/相关的 SO 问题。谢谢。

我正在处理已转换为文本的 PDF。问题？有时，由于不稳定的 PDF 格式和/或 PDF 到文本的转换，句子会被拆分。

因此，我正在寻找有助于“重组”被拆分的句子的工具。页眉或页脚通常是罪魁祸首。其他元素，例如数字和图表，也可以发挥作用，但它们不是我现在最关心的问题。

这个问题可以通过以下几种方式解决：

1. 在进行 NLP 句子检测之前删除页眉和页脚肯定会有所帮助。我不知道执行此操作的工具。你知道工具或方法吗？（删除页码的一般想法在理论上是“容易的”：找到大约每页出现一次的连续递增数字。）

2. 使用可以判断句子语法正确可能性的 NLP 解析器会有所帮助。这样我就可以比较两个句子的语法正确性和它们合并的正确性。（据我所知，Stanford Parser 不评估语法正确性。）您知道可以提供帮助的工具吗？

如果您有解决问题的建议、答案或其他方法，请告诉我。

我有一个结构统一的句子，我想使用正则表达式从句子中挑选出某些单词。例如句子结构如下：

其中引号中的单词是硬编码的，而没有引号的单词是可变的。例如，基于该句子结构，以下句子适用：

我需要帮助想出一个与此匹配的正则表达式模式，并允许我解析出 [train] 和 [stop]。我的正则表达式 kunfu 很弱，我需要一些帮助。

您能否给我一些提示，我是否（以及如何）可以在 WEKA 中做到这一点？

我有很多句子，然后我收到一个必须分类的新句子。

现有类别是在现有句子的基础上产生的。首先，如何创建这些类别？

然后，当新句子出现时，我如何将其归类为先前创建的类别之一（不是新的类别）。

我已经尝试弄清楚如何使正则表达式匹配特定的内容，然后是日期和时间。我这辈子都想不通！

我想匹配以下句子，当然日期和时间可能是随机的：

书房 25/01/2013 吉隆坡。14.03 skrev

所以它应该像这样匹配：Den dd/mm/yyyy kl。hh.mm skrev

请注意，时间采用 24 小时格式。

有人可以在这里帮忙吗？我可以很容易地找到一个匹配日期或时间的例子，但我不知道如何将它与这个特定的句子结合起来:(

提前致谢

我目前正在使用

要在 PHP 中编辑句子，但我有一个问题，这里有一个例子：

这是我的示例文本。在这句话之后，点后面没有空格。还有一些其他的句子。

我该怎么办？我希望 PHP 在这种情况下添加空格，但不是在已经有空格或以“...”结尾的句子之后

另一个不受欢迎的行为是数字。例如 ：

在彩票中赢得 1.000.000 是多么棒的事！

我真的不希望它1. 000. 000在编辑后变成。

也一样C.J.。它必须留下C.J.而不是C. J.

所以简而言之，在以下情况下应该有空格：

• “。” 不跟数字（可以是其他符号）
• 当有多个点如“...”时忽略
• 当点前有 1 或 2 个字母时忽略。

这是我第一次来这里，我是 C++ 的初学者。我想知道在阅读文本文件时如何用标点符号分割句子。

IE

结果将在我的向量中出现（假设我已将 endl 用于显示向量的每个内容）：

• 嘿，你怎么样？
• Java很棒。
• 很棒的 C++ 很棒！

到目前为止，这是我的代码：

这是我的结果：

• 你？
• 伟大的。
• 惊人的！

你能解释为什么我不能得到前一个词并修复它吗？