使用Perl提取單詞

Question

我喜歡從文本中提取單詞。我寫了簡單的正則表達式。

my $regex = qr[\W]; 
while(<DATA>){ 
    push @words, split $regex; 
} 

我喜歡修改它以包含專有名稱。適當的名字可以組合多個「單詞」。例如..

@names = ('John Smith', 'Joe Smith'); 

Answer 1

我不認爲這是一個明確的解決方案。正則表達式在諸如網頁或具有許多異常的書籍的複雜文本空間中是有限的，例如，關於書名呢？看看使用1）自然語言處理還是2）一種索引方法，您可以識別兩個單詞，以大寫字母開頭，分隔一個空格，並查看它們中的一個是否包含已知姓或名的索引。祝你好運。

Answer 2

也許：

!/usr/bin/env perl 
use strict; 
use warnings; 
use Data::Dumper; 
my @words; 
while(<DATA>){ 
    push @words, $1 if m{([A-Z]\w*\s+[A-Z]\w*)}; 
} 
for my $name (@words) { 
    print "$name\n"; 
} 
print Dumper \@words; 
__DATA__ 
John Smith I am 
He is Joe Smith 
John Doe 
Sam 
Sally 
Sally Girl