將字符串分割成句子

我寫這一段代碼分割字符串，並將其存儲在一個字符串數組： -將字符串分割成句子

String[] sSentence = sResult.split("[a-z]\\.\\s+");

不過，我已經添加了[AZ]因爲我想處理一些縮寫問題。但後來我的結果顯示爲這樣： -

此外，當埃弗雷特試圖指導他們在基礎數學他們證明unresponsiv

我知道我失去了在拆分功能指定的模式。我可以失去這段時間，但丟失這個詞的最後一個字母會擾亂它的意義。

有人可以幫我解決這個問題，另外，有人可以幫我處理縮寫嗎？例如，因爲我基於句點分割字符串，所以我不想丟失縮寫。

來源

2010-04-21 leba-lev

即使對於拉丁語言（如英語）來說，解析句子也不是一項簡單的任務。像你在你的問題中概述的那種天真的方法經常失敗，以至於在實踐中證明它是無用的。

更好的方法是使用配置了正確語言環境的BreakIterator。

BreakIterator iterator = BreakIterator.getSentenceInstance(Locale.US); 
String source = "This is a test. This is a T.L.A. test. Now with a Dr. in it."; 
iterator.setText(source); 
int start = iterator.first(); 
for (int end = iterator.next(); 
    end != BreakIterator.DONE; 
    start = end, end = iterator.next()) { 
    System.out.println(source.substring(start,end)); 
}

產生以下結果：

這是一個測試。
這是T.L.A.測試。
現在有一個博士在裏面。

來源

2010-04-22 02:42:36

當我使用這句話時 - 「我的朋友瓊斯先生有一隻新狗。」由於瓊斯的資本化，它正在發生。你知道一個方法嗎？否則BreakIterator非常棒！ – nbz 2014-05-02 10:53:22

這將是很難得到一個正則表達式在所有情況下工作，但要立即解決的問題，你可以使用一個回顧後：

String sResult = "This is a test. This is a T.L.A. test."; 
String[] sSentence = sResult.split("(?<=[a-z])\\.\\s+");

結果：

This is a test 
This is a T.L.A. test.

注意，有是不以大寫字母結尾的縮寫，例如縮寫，先生等等......而且還有句子不會以句號結束！

來源

2010-04-21 22:32:19

謝謝您的回覆。 – 2010-04-22 00:15:54

這將在9.3％的句子中失敗。以及使用省略號的句子。並在他們的錯字。等等。不管你做什麼，你的代碼都會犯錯，從人的角度來看。 – 2010-04-22 01:12:00

如果可以，請使用自然語言處理工具，例如LingPipe。有許多細微之處，這將是非常困難使用正則表達式，例如，（例如 :-)）來捕捉，先生，縮寫，省略號（...），等等。

在LingPipe網站有一個非常簡單的關於Sentence Detection的教程。

來源

2010-04-21 22:43:55

嗨，我檢查了教程。它看起來很完美，但是我似乎無法弄清楚如何在eclipse中使用它。你能幫我一下嗎？ – 2010-04-23 22:46:18

將字符串分割成句子

回答

相關問題