正则文字提取

[mytalentking]

用正则把

goop <古>信笺上方的(印刷)文字,印有抬头[律]的信笺,文盲的

提取成 :goop 信笺上方的文字
goop 印有抬头的信笺
goop 文盲的





谁能为我指点迷境啊？

[Mr-Jee]

[Quote=引用 3 楼 q107770540 的回复:]

下次建议你
在帖子标题上 写上 [正则] 二字

那么会有一4星和一5星的 两家伙

就会很快来到你的帖子里给你解答问题了
[/Quote]哈哈~~~太幽默了！

[mytalentking]

是可以弄出来 但是问题又来了 我有很多这样的数据啊 例如：

goop <古>信笺上方的(印刷)文字,印有抬头[律]的信笺,文盲的
pangen [生]泛子,胚芽(一种假设的原生质粒)
panglossian 过分乐观的,认为一切都趋于至善的 过分乐观者

要把这一段提取成：
goop 信笺上方的文字
goop 印有抬头的信笺
goop 文盲的
pangen 泛子
pangen 胚芽
panglossian 过分乐观的
panglossian 认为一切都趋于至善的
panglossian 过分乐观者


类似这样的数据很多 我该怎么办啊 ？

[小慧哥]

[Quote=引用 3 楼 q107770540 的回复:]
下次建议你
在帖子标题上 写上 [正则] 二字

那么会有一4星和一5星的 两家伙

就会很快来到你的帖子里给你解答问题了
[/Quote]
哈哈

[q107770540]

//不要太依赖正则  有些不用正则也是可以实现的
//比如这句的分割:
void Main()
{
	string s=" panglossian 过分乐观的,认为一切都趋于至善的 过分乐观者";
	string[] ss=s.Split(new char[]{' ',','},StringSplitOptions.RemoveEmptyEntries);

	Console.WriteLine(ss[0] +" " +ss[1]);
	Console.WriteLine(ss[0] +" " +ss[2]);
	Console.WriteLine(ss[0] +" " +ss[3]);
}

/*
panglossian 过分乐观的
panglossian 认为一切都趋于至善的
panglossian 过分乐观者

*/

[q107770540]

哈哈..帖子标题这么快就换了?

[兔子-顾问]

...
貌似有答案了。今天忙。

[mytalentking]

不是啊前辈们 我现在是有很多这样的数据 他们是用文件流读出来的 读出来的数据就是以下（有很多长度标点都是不固定的）：


goop <古>信笺上方的(印刷)文字,印有抬头[律]的信笺,文盲的
pangen [生]泛子,胚芽(一种假设的原生质粒)
panglossian 过分乐观的,认为一切都趋于至善的 过分乐观者



要把这一段提取成以下模式 在用文件流打出来：
goop 信笺上方的文字
goop 印有抬头的信笺
goop 文盲的
pangen 泛子
pangen 胚芽
panglossian 过分乐观的
panglossian 认为一切都趋于至善的
panglossian 过分乐观者

[Mr-Jee]

   public static void Main()
    {
        string temp = @"goop <古>信笺上方的(印刷)文字,印有抬头[律]的信笺,文盲的
                        pangen [生]泛子,胚芽(一种假设的原生质粒)
                        panglossian 过分乐观的,认为一切都趋于至善的 过分乐观者";

        MatchCollection mc = Regex.Matches(temp, "^.+$",RegexOptions.Multiline);
        foreach (Match m in mc)
        {
            string[] t = m.Value.Trim().Split(' ', ',');
            Console.WriteLine(t.Length);
        }
    }

得到t了 你会处理了吧

[兔子-顾问]

try

    public static void Test()
    {
        string yourStr = @"goop <古>信笺上方的(印刷)文字,印有抬头[律]的信笺,文盲的
pangen [生]泛子,胚芽(一种假设的原生质粒)
panglossian 过分乐观的,认为一切都趋于至善的 过分乐观者
";
        StringBuilder builder = new StringBuilder();
        string result = Regex.Replace(yourStr, @"(?m)^(\w+)\s*(?:(?:<[^>]*>|\([^()]*\)|\[[^[]]*\]|[,.?!\s])([^()<>\[\]\r\n,.?!]+))+",
            delegate(Match m)
            {
                builder.Remove(0, builder.Length);//清理
                foreach (Capture c in m.Groups[2].Captures)
                {
                    builder.AppendLine(m.Groups[1].Value + " " + c.Value);
                }
                return builder.ToString();
            });
        Console.WriteLine(result);
    }

result就是你要的结果。

[兔子-顾问]

er..
规则理解错了。修改一下
测试

    public static void Test()
    {
        string yourStr = @"goop <古>信笺上方的(印刷)文字,印有抬头[律]的信笺,文盲的
pangen [生]泛子,胚芽(一种假设的原生质粒)
panglossian 过分乐观的,认为一切都趋于至善的 过分乐观者
";
        StringBuilder builder = new StringBuilder();
        string result = Regex.Replace(yourStr, @"(?m)^(\w+)\s*(?:(?:<[^>]*>|[,.?!\s])([^<>\r\n,.?!\s]+))+",
            delegate(Match m)
            {
                builder.Remove(0, builder.Length);//清理
                foreach (Capture c in m.Groups[2].Captures)
                {
                    builder.AppendLine(m.Groups[1].Value + " " + Regex.Replace(c.Value,@"\([^()]*\)|\[[^\[\]]*\]",""));
                }
                return builder.ToString();
            });
        Console.WriteLine(result);
    }

输出

goop 信笺上方的文字
goop 印有抬头的信笺
goop 文盲的

pangen 泛子
pangen 胚芽

panglossian 过分乐观的
panglossian 认为一切都趋于至善的
panglossian 过分乐观者

[兔子-顾问]

如果还觉得和你结果不同。吧连续的2个回车换行替换掉就和你描述的结果完全一致了。

[mytalentking]

我怎么就这么爱你们呢！~~~~~~~~~

[兔子-顾问]

你想要什么结果？我觉得你规则会很不明确，比如
stript <罕>strip 的过去式和过去分词
按空格分隔的话就不合理了。
striped-pants 过于注重形式的,刻板的,礼貌上的
这么说逗号也是分隔的条件之一？

[mytalentking]

刚才没考虑到短语 还有短语这种类型


用正则将以下这几种类型 ：

goop <古>信笺上方的(印刷)文字,印有抬头[律]的信笺,文盲的
striped-pants 过于注重形式的,刻板的,礼貌上的
a beam in 's own eye 某人自身的大缺点
a beaten track 踏出的路,常规,惯例
gosport 戈斯波特[英国英格兰南部港市]; (飞机座舱间的)通话软管


提取成：

goop 信笺上方的文字
goop 印有抬头的信笺
goop 文盲的
striped-pants 过于注重形式的
striped-pants 刻板的
striped-pants 礼貌上的
a beam in 's own eye 某人自身的大缺点
a beaten track 踏出的路
a beaten track 常规
a beaten track 惯例
gosport 戈斯波特
gosport 通话软管

[不懂装懂]

这次逍遥该疯了[Quote=引用 19 楼 mytalentking 的回复:]
刚才没考虑到短语 还有短语这种类型


用正则将以下这几种类型 ：

goop <古>信笺上方的(印刷)文字,印有抬头[律]的信笺,文盲的
striped-pants 过于注重形式的,刻板的,礼貌上的
a beam in 's own eye 某人自身的大缺点
a beaten track 踏出的路,常规,惯例
gosport 戈斯波特[英国英格兰南部港市]; (飞机座舱间的)通……
[/Quote]

[mytalentking]

是我 我也觉得很对不起他 但是没办法 真不会用正则啊

[兔子-顾问]

如果特定环境，认为就是英文的话。
测试

    private static void TestRegex03()
    {
        string yourStr = @"goop <古>信笺上方的(印刷)文字,印有抬头[律]的信笺,文盲的
striped-pants 过于注重形式的,刻板的,礼貌上的
a beam in 's own eye 某人自身的大缺点
a beaten track 踏出的路,常规,惯例
gosport 戈斯波特[英国英格兰南部港市]; (飞机座舱间的)通话软管
";
        StringBuilder builder = new StringBuilder();
        string result = Regex.Replace(yourStr, @"(?im)^([a-z'\- ]+)\s*(?:(?:[,.?!\s]|<[^>]*>)([^<>\r\n,.?!\s]+))+",
            delegate(Match m)
            {
                builder.Remove(0, builder.Length);//清理
                foreach (Capture c in m.Groups[2].Captures)
                {
                    builder.AppendLine(m.Groups[1].Value + " " + Regex.Replace(c.Value, @"\([^()]*\)|\[[^\[\]]*\]|;", ""));
                }
                return builder.ToString();
            });
        Console.WriteLine(result);
    }

输出

goop  信笺上方的文字
goop  印有抬头的信笺
goop  文盲的

striped-pants 过于注重形式的
striped-pants 刻板的
striped-pants 礼貌上的

a beam in 's own eye 某人自身的大缺点

a beaten track 踏出的路
a beaten track 常规
a beaten track 惯例

gosport 戈斯波特
gosport 通话软管

[兔子-顾问]

正则就是干这事的，疯不了。

[mytalentking]

但是这段用文件流 输入进来后就 变成这样了：

goop 信笺上方的文字
goop 印有抬头的信笺
goop 文盲的

striped-pants 过于注重形式的，刻板的，礼貌上的
a beam
a in
a 's
a own
a eye
a 某人自身的大缺点

a beaten
a track
a 踏出的路
a 常规
a 惯例

gosport 戈斯波特
gosport 通话软管

[兔子-顾问]

我已经贴了完整代码和输出内容。对不对你自己动手试一下就有结果。
24楼你贴的逗号是全角的，除非你原文本不同。我只保证在你给的例子和你的规则下正确，规则不同的话要重新描述你的规则。