regex - 如何在 PL/sql 中实现 NegEx？

Question

我在正则表达式方面的技能充其量只是勉强。但是，我有一项任务需要阅读医学类型的文本，并标记不同类型的单词。此外，我需要确定该术语是否被否定。似乎有一组用 Python 编写并移植到 Java 的例程来完成我需要的类型。它们被称为 Context/Negex，可以在这里找到； Google Code Negex Project

我可以阅读 Java，并且我理解他们正在尝试做的一些事情。我的理解是他们做一个术语扫描句子中的术语标记术语，然后循环遍历一组“否定短语”并标记否定术语，并将原始术语标记更改为否定。

我的第一个问题，有人知道这种例程的 Oracle 端口吗？ (一种选择是将 Java 版本实现为 Oracle Java 存储过程，但我会发现这很难修改和支持)。如果没有，我有一个关于正则表达式的问题；

问题:在没有嵌套的情况下替换先前替换项的子集。

假设我有一个包含的字符串；

dog elephant dog cat cat dog mouse

然后我想标记两个短语

1) dog cat 
2) dog

编辑:需要将 dog 当作一个离散的词来处理，并且不会像下面这样匹配 dogfish 或 fishdog；

dog elephant dog cat cat dog dogfish fishdog mouse

我会用屈服的“dog cat”替换所有的“dog cat”；

dog elephant <term id=123 type=pos>dog cat</term> cat dog mouse

我现在需要用“dog”替换所有的术语“dog”，除了已经在任何以“”开头的标签中的术语:

<term id=456 type=pos>dog</term> elephant <term id=123 type=pos>dog cat</term> cat <term id=456 type=pos>dog</term> mouse

正则表达式能做到吗？如果是这样，将导致 regexp_replace 忽略 ""标签内的任何内容的正则表达式是什么？

我实现了下面概述的方法；

  FUNCTION ANNOTATE_ONE_TERM(IN_TEXT IN VARCHAR2, SEARCH_TERM IN VARCHAR2, TERM_TYPE IN VARCHAR2, RECORD_ID IN NUMBER) RETURN CLOB
  IS
    REGEX_SEARCH VARCHAR2(512);
    REGEX_REPLACE VARCHAR2(512);
  BEGIN
    REGEX_SEARCH := '((<TERM.*?</TERM>|[^<])*?)(^|\W)('|| SEARCH_TERM ||')($|\W)';
    REGEX_REPLACE := '\1 <TERM ID='|| TO_CHAR(RECORD_ID)||' TYPE=' || TERM_TYPE ||'>'|| SEARCH_TERM ||'</TERM> ';
    DBMS_OUTPUT.PUT_LINE('REGEX_SEARCH = ' || REGEX_SEARCH);
    DBMS_OUTPUT.PUT_LINE('REGEX_REPLACE = ' || REGEX_REPLACE);
    RETURN TRIM(REGEXP_REPLACE(IN_TEXT, REGEX_SEARCH, REGEX_REPLACE,1,0,'in'));
  END ANNOTATE_ONE_TERM;

它适用于示例文本，但当我尝试使用更简单的字符串时，例如；

SELECT ANNOTATE_ONE_TERM(ANNOTATE_ONE_TERM(UPPER('elephant dog cat cat dogfish fishdog mouse'), 'DOG CAT', 'POS', 123),'DOG', 'POS',456) 
FROM DUAL;

我结束了;

ELEPHANT <TERM ID=123 TYPE=POS <TERM ID=456 TYPE=POS>DOG</TERM> CAT</TERM> CAT DOGFISH FISHDOG MOUSE

它似乎吃掉了一个尾随的“>”并嵌套了一个标签。

感谢所有额外的帮助。

Answer 1

regexp_replace(  
  'dog elephant <term id=123 type=pos>dog cat</term> cat dog mouse',
  '((<term.*?</term>|[^<])*?)dog', 
  '\1<term id=456 type=pos>dog</term>'
)

fiddle