如何在文本中搜索字符串和相似的单词？

Question

我必须在文本文件中查找单词“age”和类似的单词。

我有以下句子：

• 18岁
• 51岁的男子
• 男子年龄介乎25至50岁
• 5至75岁之间。（带点）
• 年龄在5到75岁之间（用逗号）
• 代理名称是xyz（代理包含年龄）。

String.contains在每种情况下总是返回true。 我的要求是传递前五个句子，并在最后一个案例中返回false。

我将通过编写一些包含一串字符串“age”，“age”的代码来解决这个问题。 ，“年龄”，“年龄”，“年龄”等。

有没有更好的方法来解决这个问题。

Answer 1

如果你使用正则表达式，你必须把所有可能性。

string.matches("(?i).*\\bage[ds]?\\b.*");

Answer 2

一个天真的解决方案（昂贵）将如下：

1. 标记每一行（例如，用“”拆分，或者甚至是非字母数字字符，它们已经删除了标点符号）。
2. 计算每个单词与单词年龄的编辑距离
3. 如果当前单词的编辑距离较小（例如，波纹管2），则返回行

两个字符串的编辑距离是使一个字符串等于另一个字符串所需的编辑（添加，删除和替换）的数量。 您可以在simmetrics库中找到编辑距离的实现，也可以在其他地方找到。

另一种选择可能是在第2步中使用词语，并使用词语来涵盖单词age（也很昂贵）。

如果你已经知道所有可接受的答案（或者至少是他们的模式），那就去找Avinash Raj的答案吧 。

Answer 3

你需要什么被称为正则表达式（或正则表达式）

这里是 Java 中正则表达式和使用的完美详细定义，可以使用String类的匹配（String Regex）方法完成 。

对于您的示例，它（通常）可以是： myString.matches(".*age? .*") 。

注意在Java中转义特殊字符。 你可以在这里试试你的正则表达式。 我没有在上面的例子中这样做，但你可以尝试:)

详细地 ：

• 。*：句子可以从一切开始
• 年龄：句子必须包含'年龄'
• ？ ：年龄可以跟零或一个字符
• ：然后是一个空间
• 。*：然后再一切

希望它有所帮助。