Java:从列表中解析文本中的单词(首字母缩略词、缩写词等)

Question

给定:

• 文本(可选，带有 HTML 标签)
• 包含缩写词和首字母缩写词的数据库表(例如“etc.”、“s.o.”等)

目标:

• 构建一个解析器，查找给定文本中所有出现的情况
• 构建一个小型 GUI，让用户选择找到的匹配项是否匹配(这将根据需求进行调整)
• 用户可以选择忽略匹配(还必须标记为“被忽略”)
• 用特殊的 XML 结构替换任何接受的事件

我的主要问题是解析器，我提到 GUI 只是为了提供完整的概述。

任务是构建一个解析器来分析文本，例如:首字母缩略词并对其进行标记以供以后进行后处理。任何“标记”都必须采用 XML 标签的形式，因为周围环境不接受任何其他内容(我们位于以“Spirit”结尾的 CMS 的 DOM 编辑器中;))。

有人对图书馆有任何建议吗？或者有人 build 过类似的东西吗？您如何或将如何处理以下事情:

• 两个或多个单词是一个实体
• fullstop - 您要查找的句子的一部分或标记的一部分
• 迭代替换 - 用户接受第一次出现 - 即时替换还是缓冲？

任何想法、库提示、维基百科文章等等 - 都是有帮助的。我没有找到任何相关问题可以回答上述所有方面。

Answer 1

我读过很多关于 apache lucene 的好东西如果我有类似的项目，我会首先看看这个。它可以索引源文档并帮助查找所有出现的首字母缩略词(这就是您想要的“解析”步骤的结果，如果我没猜错的话)。