將Java正則表達式運算符轉換爲Scala正則表達式

我正在使用Twitter進行項目，其中一部分是取出推文中的所有表情符號，以便它不會觸發解析器。我看了一下卡內基梅隆的方舟鳴叫NLP，它非常驚人，他們有這個非常好的Java正則表達式模式來檢測表情符號！將Java正則表達式運算符轉換爲Scala正則表達式

不過，我不完全熟悉Java的正則表達式語法（我熟悉基本的）

https://github.com/brendano/ark-tweet-nlp/blob/master/src/cmu/arktweetnlp/Twokenize.java

我需要轉換爲Scala的代碼看起來是這樣的：

public static String emoticon = OR(
     // Standard version :) :(:] :D :P 
     "(?:>|&gt;)?" + OR(normalEyes, wink) + OR(noseArea,"[Oo]") + 
      OR(tongue+"(?=\\W|$|RT|rt|Rt)", otherMouths+"(?=\\W|$|RT|rt|Rt)", sadMouths, happyMouths), 


     // reversed version (: D: use positive lookbehind to remove "(word):" 
     // because eyes on the right side is more ambiguous with the standard usage of : ; 
     "(?<=(?: |^))" + OR(sadMouths,happyMouths,otherMouths) + noseArea + OR(normalEyes, wink) + "(?:<|&lt;)?", 


     //inspired by http://en.wikipedia.org/wiki/User:Scapler/emoticons#East_Asian_style 
     eastEmote.replaceFirst("2", "1"), basicface 
     // iOS 'emoji' characters (some smileys, some symbols) [\ue001-\uebbb] 
     // TODO should try a big precompiled lexicon from Wikipedia, Dan Ramage told me (BTO) he does this 
);

運營商OR有點混亂。

所以任何人都可以讓我知道如何做轉換？轉換之後，我所需要做的就是快速分割成單詞，並看到word.contains(emoticon)對不對？謝謝！

看起來好像上面的問題是相當愚蠢的。然而，我還不知道最後一點任務：

我正在把那些表情帶出我的句子。如果我只是用空格將我的句子分成單詞，並且爲(word <- words if !word.contains(regexpattern))做什麼，它會起作用嗎？

來源

2014-07-03 Allen Nie

有沒有'或'運營商。這是Twokenize類中的靜態方法。 –

將'public static String emoticon'更改爲'val表情符號：String'，這可能是Scala代碼。 Scala使用與Java相同的正則表達式引擎，也可以使用arktweetnlp庫。 – wingedsubmariner

您可以使用此功能：

def OR(patterns : String*) = patterns.map{p => s"(?:$p)"}.mkString("|")

來源

2014-07-03 13:46:09

真的嗎？一條線？ –

真的。一條線。 –

將Java正則表達式運算符轉換爲Scala正則表達式

回答

相關問題