java - 使用正则表达式解析句子，包括 java 中的项目符号列表

Question

目前，我使用以下正则表达式来解析文档中的句子:

Pattern.compile("(?<=\\w[\\w\\)\\]](?<!Mrs?|Dr|Rev|Mr|Ms|vs|abd|ABD|Abd|resp|St|wt)[\\.\\?\\!\\:\\@]\\s)");

这几乎行得通。例如:给定这个字符串:

“玛丽有一只小羊羔(即羊羔派)。这是它的特性: 1. 它有四只脚 2. 它有羊毛 3. 它是哺乳动物。它有白色的羊毛。她的父亲，羔羊先生，住在 Mulbery St. 的一栋白色小房子里。”

我得到以下句子:

Mary had a little lamb (i.e. lamby pie).
Here are its properties: 
1. It has four feet  2. It has fleece 3. It is a mammal. 
It had white fleese. 
Her father, Mr. Lamb, live on Mulbery St. in a little white house.

但是，我想要的是:

Mary had a little lamb (i.e. lamby pie).
Here are its properties: 
1. It has four feet  
2. It has fleece 
3. It is a mammal. 
It had white fleese. 
Her father, Mr. Lamb, lives on Mulbery St. in a little white house.

有没有办法通过改变现有的正则表达式来做到这一点？

现在为了完成这项任务，我首先进行初始拆分，然后检查子弹。以下代码有效，但我想知道是否有更优雅的解决方案:

public static void doHomeMadeSentenceParser(String temp) {
    Pattern p = Pattern
            .compile("(?<=\\w[\\w\\)\\]](?<!Mrs?|Dr|Rev|Mr|Ms|vs|abd|ABD|Abd|resp|St|wt)[\\.\\?\\!\\:\\@]\\s)");
    String[] sentences = p.split(temp);
    Vector psentences = new Vector();
    Pattern p1 = Pattern.compile("\\b\\d+[.)]\\s");
    for (int x = 0; x < sentences.length; x++) {
        Matcher matcher = p1.matcher(sentences[x]);
        int bstart = 0;
        boolean bulletfound = false;
        while (matcher.find()) {
            bulletfound = true;
            String bullet = sentences[x].substring(bstart, matcher.start());
            if (bullet.length() > 0) {
                psentences.add(bullet);
            }
            bstart = matcher.start();
        }
        if (bulletfound)
            psentences.add(sentences[x].substring(bstart));
        else
            psentences.add(sentences[x]);
    }
    for (int x = 0; x < psentences.size(); x++) {
        String s = (String) psentences.get(x);
        System.out.println(s.trim());
    }
}

在此先感谢您的帮助。

埃利奥特

Answer 1

我假设您正在使用正则表达式来查找拆分行的位置。我不知道这个的正则表达式，但你能看一下后跟句点 (.) 的数字吗？