首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >将引文替换为句子

问将引文替换为句子
EN

Stack Overflow用户
提问于 2016-03-01 19:57:29
回答 2查看 68关注 0票数 2

我试图通过删除非拉丁字符+ [!?., ]来降低在线文本的复杂性。大多数字符都可以毫无问题地删除,但对于其中一些字符,我需要特定的规则:

一对(和),一对" (引号)或一对*,如果它们包含两个以上的单词,应该将其中的任何文本转换为一个句子。通过转换成句子,我只是想在结尾处添加一个句号。例如:

代码语言:javascript
复制
but *after* I came up with it, I searched and...

至

代码语言:javascript
复制
but after I came up with it, I searched and...

在这里,我只是想删除*,而不是:

代码语言:javascript
复制
 *buys airplane ticket* IM COMING FOR YOU

至

代码语言:javascript
复制
 buys airplane ticket. IM COMING FOR YOU

因此,在第一个例子中,作者简单地强调了作为句子一部分的单词,在第二个例子中,作者描述了一个动作,它可能就是一个句子本身。这与引号类似,其中一个词通常是某种强调或讽刺,而多个词则是引号。

有没有办法在正则表达式(Java)中做到这一点?

编辑:所以我的一般方法需要两种模式,每种情况下,段落,引号和*。第一步是通过在\*((\w+ )+\w+)\* to $1.上运行replace来处理多个单词,然后将所有*替换为空。这是可行的,但我需要6个正则表达式调用。有没有更好的方法?

EN

回答 2

Stack Overflow用户

发布于 2016-03-01 20:11:48

标准Java库没有内置的完整英语短语的概念(区分空格和字母或标点符号对您有最大的帮助)。另外,

  • 没有正则表达式可以正确解析英语。正则表达式不能很好地嵌套。
  • 你可能会幸运地使用语法检查器,比如那些内置在常用文字处理软件中的语法检查器。然而,它们仍然有很大的错误率。
  • 虽然可能存在实现健壮解析的NLP库,但它们仍然不理解上下文,并且经常失败。

所以,您不能使用Java或任何其他编程语言(除非您有丰富的资源、NLP经验和训练语料库来构建) --除非您大大放宽了检测“一个字符序列是否可以是一个独立的英语句子”的要求。

票数 2
EN

Stack Overflow用户

发布于 2016-03-01 20:22:46

因此,我目前最好的方法需要2*numCases模式,如下所示:

代码语言:javascript
复制
static Pattern pattern = Pattern.compile("\\*((\\w+ )+\\w+)\\*");
static Pattern remove = Pattern.compile("\\*");

public static String transform(String str) {
    String sentences = pattern.matcher(str).replaceAll("$1.");
    return remove.matcher(sentences).replaceAll("");
}

正在运行

代码语言:javascript
复制
System.out.println(transform("but *after* I came up with it, I searched and..."));
System.out.println(transform("*buys airplane ticket* IM COMING FOR YOU"));

给出了预期的

代码语言:javascript
复制
but after I came up with it, I searched and...
buys airplane ticket. IM COMING FOR YOU
票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/35722289

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档