从java中的文本文件中提取包含2个单词的句子

Question

我试图从文本文件中提取包含2个单词的句子。我使用了正则表达式，如下面的代码所示。

File doc = new File("D:\\MyFile.txt"); 

BufferedReader br = null; 

System.out.println("enter the regex pattern to be matched"); 
Scanner keyboard = new Scanner(System.in); 
String regxpat = keyboard.nextLine(); 


    String line; 
    br = new BufferedReader(new FileReader(doc));  
    Pattern p = Pattern.compile(regxpat, CASE_INSENSITIVE); 



    while ((line = br.readLine()) != null) 
    { 

    try 
    { 
     Matcher m = p.matcher(line); 
     m.find(); 

     System.out.print(m.group().toString()); 

    }   
    catch (IllegalStateException e) 
    { 
    } 
    continue; 

    } 
//i tried regex= "(he)*([.&&[^\.]]*?)Milan(.*?)\." 

如果文字是：

"...Thomas Edison is a scientist. He invented bulb. He was born in Milan, Ohio, and grew up in Port Huron, Michigan. He was the seventh and last child of Samuel Ogden Edison, Jr...." 

• 我想要的句子（句子边界句号后面的空间）的话“he'and'milan”，即第三sentnce（该命令并不重要。任何一个句子都需要这两个词）
• 我试过了上面的正则表达式pattrn和其他很多
• 但它提取'米兰'后的句子部分或2个句子从第一个'他
• 请建议得到这个任务使用正则表达式或Java中的任何其他方法

（我是2个实体之间的提取关系模式的工作做了一个方法：在这种情况下，关系模式是“出生在“b/w实体”爱迪生“和”米兰“。 我需要这样的句子从众多相关[关于“爱迪生米兰”像谷歌在爱迪生的传记或第500个链接]文本文件或网页文件如上面做futher处理）

Answer 1

我的建议是不要期望正则表达式能够处理所有的处理，并且一次处理文本一步。

我想要句子（句子边界是句号后跟空格）。

好。使用字符串拆分方法获取句子。使用句点（句点），后跟一个或多个空格作为正则表达式。我将把这个正则表达式的构造留给你。

上写着 '他' 和 '米兰'

精细。编写一个方法来输入单词并将它们添加到列表< String>中。

编写另一种方法来检查用另一个拆分方法创建的字符串数组，将句子拆分为单词。再次，我将把这个正则表达式的构造留给你。

当您找到第一个单词的句子时，循环单词List，检查List中的单词是否在单词边界上的句子中。如果你找到所有的单词，你找到了一个匹配的句子。如果找不到所有单词，请继续阅读下一句。

一旦您完成了拆分字符串数组的句子，您可以有一个句子，多个句子或没有包含您的单词列表的句子。

Answer 2

请澄清：

• 您的语料库是否一致：是否全部“传记”的格式与语法相同？
• 如果是这样，你需要什么样的模式来匹配，或者更好，你需要从你的比赛中检索什么？例如，你需要一个与“爱迪生”和“米兰”的关键值对吗？要么...？

如果你的阴茎是不一致，那么正则表达式可能不会是的路要走。 如果是这样的话，你可能想要使用字典等 - 可能会有一些艰巨的工作。