将Java正则表达式运算符转换为Scala正则表达式

我正在使用Twitter进行项目，其中一部分是取出推文中的所有表情符号，以便它不会触发解析器。我看了一下卡内基梅隆的方舟鸣叫NLP，它非常惊人，他们有这个非常好的Java正则表达式模式来检测表情符号！将Java正则表达式运算符转换为Scala正则表达式

不过，我不完全熟悉Java的正则表达式语法（我熟悉基本的）

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

我需要转换为Scala的代码看起来是这样的：

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 
);

运营商OR有点混乱。

所以任何人都可以让我知道如何做转换？转换之后，我所需要做的就是快速分割成单词，并看到word.contains(emoticon)对不对？谢谢！

看起来好像上面的问题是相当愚蠢的。然而，我还不知道最后一点任务：

我正在把那些表情带出我的句子。如果我只是用空格将我的句子分成单词，并且为(word <- words if !word.contains(regexpattern))做什么，它会起作用吗？

来源

2014-07-03 Allen Nie

有没有'或'运营商。这是Twokenize类中的静态方法。 –

将'public static String emoticon'更改为'val表情符号：String'，这可能是Scala代码。 Scala使用与Java相同的正则表达式引擎，也可以使用arktweetnlp库。 – wingedsubmariner

您可以使用此功能：

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

来源

2014-07-03 13:46:09

真的吗？一条线？ –

真的。一条线。 –

将Java正则表达式运算符转换为Scala正则表达式

回答

相关问题