使用正则表达式从文本中获取对话片段
使用正则表达式从文本中获取对话片段
提问于 2010-06-01 13:46:42
我正在尝试从一本书的文本中提取对话片段。例如，如果我有一个字符串
"What's the matter with the flag?" inquired Captain MacWhirr. "Seems all right to me."然后我想提取"What's the matter with the flag?"和"Seem's all right to me."。
我找到了一个正则表达式来使用here，它是"[^"\\]*(\\.[^"\\]*)*"。当我在我的书.txt文件上执行Ctrl+F find regex时，这在Eclipse中工作得很好，但是当我运行以下代码时：
String regex = "\"[^\"\\\\]*(\\\\.[^\"\\\\]*)*\"";
String bookText = "\"What's the matter with the flag?\" inquired Captain MacWhirr. \"Seems all right to me.\""; Pattern p = Pattern.compile(regex);
Matcher m = p.matcher(bookText);
if(m.find())
System.out.println(m.group(1));唯一可以打印的是null。那么，我没有正确地将正则表达式转换为Java字符串吗？我是否需要考虑到Java String对双引号有一个\"这一事实？
回答 1
Stack Overflow用户
回答已采纳
发布于 2010-06-01 13:49:21
在自然语言文本中，"不太可能通过前面的斜杠进行转义，因此您应该只能使用模式"([^"]*)"。
作为一个Java string文本，它是"\"([^\"]*)\""。
这是用Java编写的：
String regex = "\"([^\"]*)\"";
String bookText = "\"What's the matter with the flag?\" inquired Captain MacWhirr. \"Seems all right to me.\"";
Pattern p = Pattern.compile(regex);
Matcher m = p.matcher(bookText);
while (m.find()) {
System.out.println(m.group(1));
}上面的打印结果：
What's the matter with the flag?
Seems all right to me.关于转义序列
鉴于此声明：
String s = "\"";
System.out.println(s.length()); // prints "1"字符串s只有一个字符"。\是出现在Java源代码级别的转义序列；字符串本身没有斜杠。
另请参阅
原始代码的问题
实际上，模式本身并没有什么问题，但您没有捕获到正确的部分。\1没有捕获引用的文本。下面是正确捕获组的模式：
String regex = "\"([^\"\\\\]*(?:\\\\.[^\"\\\\]*)*)\"";
String bookText = "\"What's the matter?\" inquired Captain MacWhirr. \"Seems all right to me.\"";
Pattern p = Pattern.compile(regex);
Matcher m = p.matcher(bookText);
while (m.find()) {
System.out.println(m.group(1));
}为了进行直观的比较，这里是原始模式，作为Java字符串文字：
String regex = "\"[^\"\\\\]*(\\\\.[^\"\\\\]*)*\""
^^^^^^^^^^^^^^^^^
why capture this part?下面是修改后的模式：
String regex = "\"([^\"\\\\]*(?:\\\\.[^\"\\\\]*)*)\""
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
we want to capture this part!如前所述:这种复杂的模式对于自然语言文本来说不是必需的，因为自然语言文本不太可能包含转义引号。
另请参阅
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/2947502
复制相关文章
相似问题
腾讯云开发者
