Regex:识别和删除列表和菜单

Question

在我写我自己的方法之前，我很好奇是否有一个正则表达式可以帮助我。

上下文

在对术语进行统计分析之前，我正在清理原始文本。文本来自网站，因此包括菜单(许多菜单来自许多网站)。

典型的列表/菜单显示如下(除项目之间有一行中断外)：

学生服务 指导与支持 核心服务 招生及记录 经济援助 咨询 评估测试 激磁定向 家教 职业转业中心 学生欢迎中心

当前的任务，，我想删除所有列表

我需要删除文本块，在第一、第三或第四个单词之后出现行中断，但只有当这种模式连续重复3次或更多次时(我不想删除“学生总是成功”之类的短句)。

regex能识别这种模式吗？

注意:我在java工作。

用样例文本更新

[[我想删除这份名单]]办公室和服务

学生服务

活动与运动

纪录及注册

费用和财政援助

遵从与多样性

校友

教员/工作人员资源

BMCC基金会

人力资源

BMCC Homepage>Academics>Health Education>Course列表

[(我想删除这份名单)]健康教育之家

课程清单

教职员工

[(我想删除这份名单)]社区健康教育

老年学

学校健康教育

公共卫生

探视招生

课程清单

[[我想把课文写在下面])卫生教育部提供下列课程。

2 HRS，2小时，0实验室HRS。HED 100健康教育

这是一门健康教育的入门调查课程。该课程为学生提供知识、技能和行为模式，以增强他们的身体、情感、社会、智力和精神健康，并促进他们的健康决策能力。主要教学领域包括:健康和健康；压力；性行为；酗酒、吸烟和滥用药物；营养和体重管理；以及身体健康。完成HED 110 -综合健康教育的学生将不会获得这门课程的学分。

3 HRS，3小时，0实验室HRS。HED 110综合健康教育

这门健康教育课程提供了一种全面的方法，为学生提供知识、技能和行为模式，以提高他们的身体、情感、社会、智力和精神健康，并促进他们的健康决策能力。专业领域包括:酒精、烟草和滥用药物、精神和情感健康、性行为和家庭生活、营养、身体健康、心血管健康、环境健康和保健服务。HED 110满足HE 100的所有学位要求。完成HED 100 -健康教育的学生将不会获得这门课程的学分。

Answer 1

假设关于单词数量的部分不重要，尝试(([A-Za-z& ])*(\n|\r|\r\n)){5,}的regex模式，例如这里。

根据需要修改这五个量词，这只是一个例子。如果没有结束的新行，五就不可能将两行与额外的换行符或三行列表匹配。