从文本文件中提取某些数据的正则表达式

Question

我有一篇用这种格式写成句子的文本：

sentence         1    This is a sentence.
t-extraction     1    This     is       a sentence
s-extraction     1    This_DT    is_V     a_DT sentence_N
sentence         2    ... 

如您所见，行由enter键分隔。语句，t-抽取，s-抽取单词被重复.这些数字是句号1,2，.。短语由Tab键分隔，例如在第一行：sentence(TAb)1(TAb)This is a sentence.或第二行：t-extraction(TAb)1(TAb)This(TAb)is(TAb)a sentence.中。

我需要将这些信息映射到sql表中，所以我应该提取它们。我需要第一句和第二句(第一行没有t-extraction和数字，第一行没有词)。每个由Tab分隔的部分将映射到sql中的一个字段中(例如，1在一列，This is a sentence在一列，This (在第二行)在一列，还有is和a sentence )。

你有什么建议吗？提前谢谢。

Answer 1

您可以使用String.split()。

您可以使用的正则表达式是[^A-Za-z_]+或[ \t]+。

Answer 2

在字符串上使用拆分方法可能是实现这个目标的关键。split命令将字符串拆分为regex匹配的部分，返回匹配部分之间的字符串数组。

您希望在选项卡上匹配(或\t，因为它是分隔到的)。您还想作为一个单元处理三行代码，下面的代码展示了一种方法(这取决于文件的格式是否良好)。

当然，您希望使用从文件创建的读取器，而不是字符串。

public class Test {

    public static void main(String[] args) throws Exception {
        BufferedReader reader = new BufferedReader(new FileReader("/my/file.data"));
        String line = null;

        for(int i = 0; (line = reader.readLine()) != null; i++){
            if(i % 3 == 0){
                String[] parts = line.split("\t");
                System.out.printf("sentence ==> %s\n", Arrays.toString(parts));
            } else if(i % 3 == 1){
                String[] parts = line.split("\t");
                System.out.printf("t-sentence ==> %s\n", Arrays.toString(parts));
            } else {
                String[] parts = line.split("\t");
                System.out.printf("s-sentence ==> %s\n", Arrays.toString(parts));
            }
        }
    }

}