Zum analysieren von text in Sätze,

Ich bin versucht zu brechen, bis ein Absatz in Sätzen. Hier ist mein code bisher:

import java.util.*;

public class StringSplit {
 public static void main(String args[]) throws Exception{
     String testString = "The outcome of the negotiations is vital, because the current tax levels signed into law by President George W. Bush expire on Dec. 31. Unless Congress acts, tax rates on virtually all Americans who pay income taxes will rise on Jan. 1. That could affect economic growth and even holiday sales.";
     String[] sentences = testString.split("[\\.\\!\\?]");
     for (int i=0;i<sentences.length;i++){  
         System.out.println(i);
      System.out.println(sentences[i]);  
     }  
 }
}

Wurden zwei Probleme gefunden:

  1. Der code splittet jederzeit kommt es zu einer Periode (".") symbol, auch wenn es eigentlich ein Satz. Wie kann ich dies verhindern?
  2. Jedem Satz, die split beginnt mit einem Leerzeichen. Wie lösche ich die redundant Platz?
InformationsquelleAutor user533203 | 2010-12-07
  1. 14

    Das problem, das Sie angesprochen haben, ist eine NLP - (Natural Language Processing) problem. Es ist gut zu schreiben, eine grobe Regel-engine, aber es könnte nicht skalieren und die Unterstützung full english text.

    Haben einen tieferen Einblick und eine java-Bibliothek schauen Sie sich diesen link http://nlp.stanford.edu/software/lex-parser.shtml , http://nlp.stanford.edu:8080/parser/index.jsp und ähnliche Frage für ruby Sprache Wie Sie analysieren einen Absatz von text in Sätze? (perferrably in Ruby)

    zum Beispiel :
    Die text -

    Das Ergebnis der Verhandlungen ist
    wichtig, da die aktuellen Steuersätze
    unterzeichnet in ein Gesetz von Präsident George W.
    Bush läuft am Dez. 31. Es sei denn,
    Der Kongress handelt, die Steuersätze auf nahezu
    alle Amerikaner, die Einkommensteuern zahlen
    auf steigen. Jan. 1. Das könnte Auswirkungen auf
    Wirtschaftswachstum und sogar Urlaub
    Umsatz.

    nach dem tagging wird :

    Dem/DT Ergebnis/NN of/IN the/DT
    Verhandlungen/NNS is/VBZ vital/JJ ,/,
    weil/IN dem/DT current/JJ Steuer/NN
    levels/NNS signiert/VBN in/IM Gesetz/NN
    von/IN Präsident/NNP George/NNP W./NNP
    Bush/NNP verfallen/VBP auf/RP, Dez./NNP
    31/CD ./. Es sei denn,/Kongress,/NNP
    Apostelgeschichte/VBZ , /Steuer - /NN-Tarife/NNS auf/IN
    praktisch/RB alle/RB Amerikaner/NNPS
    wer/WP-zahlen/VBP Einkommen/NN Steuern/NNS
    wird/MD-Anstiegs - /VB am/IM Jan./NNP 1/CD
    ./. Dass/DT könnte/MD beeinflussen/VB
    wirtschaftliche/JJ Wachstum/NN and/CC auch/RB
    Urlaub/NN Umsatz/NNS ./. Analysieren

    Prüfen, wie es zeichnet den Punkt (.) und die Zeit nach Dez. 31 ...

    InformationsquelleAutor Favonius
  2. 2

    Die erste ist ein ziemlich schwieriges problem zu tun, richtig, da müsste man implementieren, Satz-Erkennung. Ich schlage vor, Sie tun das nicht, und nur einzelne Sätze mit zwei Leerzeilen nach einem Satzzeichen. Zum Beispiel:

    "The outcome of the negotiations is vital, because the current tax levels signed into law by President George W. Bush expire on Dec. 31.  Unless Congress acts, tax rates on virtually all Americans who pay income taxes will rise on Jan. 1.  That could affect economic growth and even holiday sales."

    Das zweite Problem kann gelöst werden, mit String.trim().

    Beispiel:

    String one = "   and now...    ";
String two = one.trim();
System.out.println(two);          //output: "and now..."
    • Das problem mit der ersten Lösung ist, dass in den letzten zehn Jahren oder so hat es eine Verschiebung von einfügen von zwei Leerzeichen zwischen Sätzen zum einfügen nur eine. Für das schreiben getan mit dieser neueren Stil, deine Lösung wird nicht funktionieren. 🙁
    InformationsquelleAutor darioo
  3. 2

    Können Sie versuchen, verwenden Sie die java.text.BreakIterator Klasse für das Parsen von Sätzen. Zum Beispiel:

    BreakIterator border = BreakIterator.getSentenceInstance(Locale.US);
border.setText(text);
int start = border.first();
//iterate, creating sentences out of all the Strings between the given boundaries
for (int end = border.next(); end != BreakIterator.DONE; start = end, end = border.next()) {
    System.out.println(text.substring(start,end));
}
    InformationsquelleAutor Jay Weinberg
  5. 0

    Angesichts der aktuellen input-format, es wird schwierig sein, aufgeteilt in Sätze. Sie haben zu verhängen, die einige Regel zusätzliche Regel zu identifizieren, die das Ende eines Satzes, zusätzlich zu der Zeit. Zum Beispiel könnte diese Regel "ein Satz endet mit einem Punkt(.) und zwei Räume". (Dies ist, wie die UNIX-Tools grep identifiziert Sätze.

    InformationsquelleAutor Vijay Mathew
  6. 0

    Können Sie die Klasse SentenceSplitter dieser open-source-Bibliothek hier.

    SentenceSplitter sp = new SentenceSplitter("filename");
String str = null;
while((str = sp.next().toString()) != null)
{
    //Your code here.
}
    • Nichts herunterladen, um unter dieser URL. Es gibt "you don' T have permission to access /Seite/download_view/ auf diesem server."
    InformationsquelleAutor Pooja N Babu
  7. -1

    ersten Trim() den String... und nutzen Sie diesen link,

    http://www.java-examples.com/java-string-split-example &http://www.rgagnon.com/javadetails/java-0438.html

    - und Sie können auch verwenden, StringBuffer-Klasse... benutze einfach diesen link, ich hoffe, es wird Ihnen helfen,

    InformationsquelleAutor Jimit Tank
Schreibe einen Kommentar