0

Есть строка, нужно сформировать массив объектов StringBuilder из тех предложений, в которых больше двух слов. Разделителями предложений считать ! ? точку и любую комбинацию этих символов. Разделителями слов считать пробел.

Подскажите, как разбить эту строку при помощи регулярного выражения? и можно ли вообще?

2
  • 1
    Добро пожаловать в чудесный мир семантического анализа текстов! Похожие вопросы задавились здесь много раз (и кажется не нашли полного ответа). Почитайте, например, это обсуждение.
    – VladD
    29 фев 2016 в 0:46
  • Немного не то, что хотелось бы.
    – Pyrejkee
    29 фев 2016 в 14:36

1 ответ 1

2

Например, так можно вывести все искомые предложения на консоль:

var rx = new Regex(@"(?'sentence'(\w+\s+){2,}\w+[.!?]+)", RegexOptions.Singleline);
foreach (Match m in rx.Matches(s))
{
    string sentence = m.Groups["sentence"].Captures[0].Value;
    Console.WriteLine(sentence);
}

Но, насколько я понимаю, дело усложняется тем, что в каждом предложении могут быть ещё знаки препинания (какие?), а они не буквы.. Для запятой, двоеточия и точки с запятой шаблон может быть такой:

(?'sentence'(\w+[,:;]?\s+){2,}\w+[.!?]+)

Если же ещё принять во внимание, что некоторые слова разделяются дефисом, то шаблон усложняется:

(?'sentence'(\w+(\-\w+)?[,:;]?\s+){2,}\w+(\-\w+)?[.!?]+)

Учтём ещё, что в диалогах предложения могут начинаться с тире, и тире может быть и в середине предложений:

(?'sentence'((\-\s+)?\w+(\-\w+)?[,:;]?\s+){2,}(\-\s+)?\w+(\-\w+)?[.!?]+)

Мы ещё не учли слова в кавычках (и прямую речь), ошибки пунктуации (пробелы перед/после дефиса и перед знаками препинания) и т.п. Мне кажется, если задача частная (какой-то один текст), то можно попробовать допилить шаблон. Например, вместо \w брать \S (не пробел).

Если же задача общая, лучше поискать какую-нибудь специализированную библиотеку для разбора естественноязыковых текстов.

6
  • Для отладки регексов лучше пользоваться специальными сайтами, где регекс можно попробовать онлайн (просто поищите что-нибудь типа regex online или regex online c#) или прогами (RegExBuilder, Expresso, etc.). Можно и LINQPad использовать.
    – tsul
    29 фев 2016 в 0:41
  • Интересный способ, попробую, я решил задачу, таким вот способом, насколько он верен?
    – Pyrejkee
    29 фев 2016 в 14:46
  • string rv1 = @"[!?.]", s1 = "Тут любой нужный нам текст"; Console.WriteLine("\n\nOriginal String: {0}", s1); Regex R1 = new Regex(rv1); string[] s2 = R1.Split(s1); //шаблон для откидывания предложения с одним словом string rv2 = @"\w+\s\w+"; Regex R2 = new Regex(rv2); foreach (string ss in s2) { if (R2.IsMatch(ss)==true) //проверяем, из сколько слов состоит предложение Console.WriteLine(ss); } Console.ReadKey();
    – Pyrejkee
    29 фев 2016 в 14:47
  • Сори, что код весь в кашу, не знаю, как тут его порядок привести, что бы по строкам был =\
    – Pyrejkee
    29 фев 2016 в 14:48
  • По строкам в комментах нельзя; можно добавить в сам вопрос. Если задача решена, значит способ верен) Имейте ввиду, что s2 не будет включать окончание предложения. Вместо R1.Split(s1) наверное проще просто s1.Split('!', '?', '.'). В rv2 \s лучше с плюсом: \s+, а то вдруг пробелов несколько.
    – tsul
    29 фев 2016 в 14:55

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge you have read our privacy policy.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.