Java從句子中提取子串

Question

有像是，不是，不包含的單詞組合。 我們必須在一個句子中匹配這些單詞並進行拆分。

輸入 ： if name is tom and age is not 45 or name does not contain tom then let me know.

預期產量：

If name is 
tom and age is not 
45 or name does not contain 
tom then let me know

我在下面的代碼中嘗試拆分和提取，但是“ is”的出現也在“ is not”中，而我的代碼無法找出：

public static void loadOperators(){
        operators.add("is");
        operators.add("is not");
        operators.add("does not contain");
    }

public static void main(String[] args) {
    loadOperators();
    for(String s : operators){
        System.out.println(str.split(s).length - 1);
    }
}

Answer 1

因為有可能是一個詞的多個occurence split不會解決你的使用情況，在is與is not正在為你不同的運營商。 您最好是：

Iterate :
1. Find the index of the 'operator'.
2. Search for the next space _ or word.
3. Then update your string as substring from its index to length-1.

Answer 2

對於您要實現的目標，我並不完全確定，但是讓我們嘗試一下。

對於您的情況，一個簡單的“解決方法”可能就可以了：按長度排序，對運算符進行降序排序。 這樣，將首先找到“最大匹配項”。 您可以定義“最大”的字面中最長的字符串，或字（含空格數）的最好的數量，因此is a具有優先於contains

不過，您需要確保沒有比賽重疊，這可以通過比較所有比賽的開始索引和結束索引並按照某些條件（例如首場比賽獲勝）丟棄重疊來完成

Answer 3

這段代碼完成了您似乎想做的事情（或者我猜到您想做的事情）：

public static void main(String[] args) {
    List<String> operators = new ArrayList<>();
    operators.add("is");
    operators.add("is not");
    operators.add("does not contain");

    String input = "if name is tom and age is not 45 or name does not contain tom then let me know.";
    List<String> output = new ArrayList<>();

    int lastFoundOperatorsEndIndex = 0; // First start at the beginning of input

    for (String operator : operators){
        int indexOfOperator = input.indexOf(operator); // Find current operator's position

        if (indexOfOperator > -1) { // If operator was found
            int thisOperatorsEndIndex = indexOfOperator + operator.length(); // Get length of operator and add it to the index to include operator
            output.add(input.substring(lastFoundOperatorsEndIndex, thisOperatorsEndIndex).trim()); // Add operator to output (and remove trailing space)
            lastFoundOperatorsEndIndex = thisOperatorsEndIndex; // Update startindex for next operator
        }
    }
    output.add(input.substring(lastFoundOperatorsEndIndex, input.length()).trim()); // Add rest of input as last entry to output

    for (String part : output) { // Output to console
        System.out.println(part);
    }
}

但是它高度依賴於句子的順序和運算符。 如果我們談論的用戶輸入，任務將更加復雜。

使用正則表達式（regExp）的更好方法是：

public static void main(String... args) {
    // Define inputs
    String input1 = "if name is tom and age is not 45 or name does not contain tom then let me know.";
    String input2 = "the name is tom and he is 22 years old but the name does not contain jack, but merry is 24 year old.";

    // Output split strings
    for (String part : split(input1)) {
        System.out.println(part.trim());
    }

    System.out.println();

    for (String part : split(input2)) {
        System.out.println(part.trim());
    }
}

private static String[] split(String input) {
    // Define list of operators - 'is not' has to precede 'is'!!
    String[] operators = { "\\sis not\\s", "\\sis\\s", "\\sdoes not contain\\s", "\\sdoes contain\\s" };

    // Concatenate operators to regExp-String for search
    StringBuilder searchString = new StringBuilder();

    for (String operator : operators) {
        if (searchString.length() > 0) {
            searchString.append("|");
        }
        searchString.append(operator);
    }

    // Replace all operators by operator+\n and split resulting string at \n-character
    return input.replaceAll("(" + searchString.toString() + ")", "$1\n").split("\n");
}

注意操作員的順序！ “是”必須在 “不是”或“不是”之后被分割。

您可以通過為運算符“ is”使用負前瞻來防止這種情況。 因此， "\\\\sis\\\\s"將變為"\\\\sis(?! not)\\\\s" （讀為：“是”，而不是“ not”）。

極簡版本（使用JDK 1.6+）可能如下所示：

private static String[] split(String input) {
    String[] operators = { "\\sis(?! not)\\s", "\\sis not\\s", "\\sdoes not contain\\s", "\\sdoes contain\\s" };
    return input.replaceAll("(" + String.join("|", operators) + ")", "$1\n").split("\n");
}