使用Java编写正则表达式从文本中提取单词

Question

使用Java编写正则表达式从文本中提取单词

5

我正在使用正则表达式编写Java程序，我有许多句子结构。给定字符串为："book 'learning java' for doctor ahmed mohamed" 或 "the best title: learning java for ahmed mohamed" 等等。

意思是：

(book) 可能是 [the book或text:或(text)]。

(for doctor) 可能是 [for author或for或by for doctor]。

输出：

我想提取在（book）之后并在（for doctor）之前的任何单词，并将其命名为Title。提取在（for doctor）之后的任何单词并将其命名为Author。

String inputtext =  "book 'learning java' for doctor  ahmed mohamed";

    Pattern p = Pattern.compile("(?<=(book| the book| \\( . \\)|\\:)) .*? (?=(for doctor| for| for author))");

    Matcher m = p.matcher(inputtext);


        if (m.matches()) {
        String author = m.group(1).trim();
        String bookTitle = m.group(2).trim();

        System.out.println("Title is : " + author);
        System.out.println("Author is : " + bookTitle);

- Shimaa Mohamed

4

那么问题是什么？ - Thomas

请回答这个问题。 - Shimaa Mohamed

如何编写表达式 in(pattern p) 和(pattern pa)？ - Shimaa Mohamed

问题可能是大多数读者在这里可能不理解帖子，因为输入文本以及模式使用阿拉伯文 - 对于那些不熟悉该语言的人来说很难解密，特别是由于其RTL性质。您能否提供一个示例，使用英文字母作为输入字符串以及表达式？ - Thomas

你说 (书)可能是[书或文本：或(文本)]，但你仍然有一个例子不符合这个规则: 最佳标题：为艾哈迈德·穆罕默德学习Java。是否有固定的语法将被使用，还是以下也可能：'学习Java'由艾哈迈德·穆罕默德，艾哈迈德·穆罕默德：学习Java等？ - 如果是后者，正确提取标题和作者可能会相当困难。 - Thomas

显示剩余2条评论

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Thomas · Answer 1

我会尝试提供一些提示，但由于我无法读取您的表情，所以只能猜测。

因此，您的表达式是这样的：

(?<=(للدكتورة|للعلامه|للشيخ|للكاتب |للكاتبه|للامام|للاستاذ|للقاضى|للدكتور|ل ))\s[^\s]+\s[^\s]+

分解一下，它看起来像这样：

正向后瞻为(?<=(للدكتورة|للعلامه|للشيخ|للكاتب |للكاتبه|للامام|للاستاذ|للقاضى|للدكتور|ل ))
一个空格字符后跟一些单词
一个空格字符后跟一些单词

基本上匹配将是任何包含2个空格-单词组合并且以您的匹配中的任何单词之一为前缀的序列。

这似乎是您实际的问题，因为您已经说明：

这个表达式只给我两个单词

一种可能的解决方案是匹配超过2个单词，甚至可能有多个空格。所以在你的回溯之后，尝试这样做：(?>\s+[^\s]+)+而不是\s[^\s]+\s[^\s]+。这部分应该匹配任何由空格后跟非空格字符组成的序列，例如（用英文字母表示）它将匹配aaa bbb以及aaa bbb ccc ddd（HTML不会在此处显示多个空格，但请想象间隔大于一个空格）。