- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我对正则表达式非常有经验,但是在涉及析取的当前应用程序中遇到了一些困难。
我的情况是这样的:我需要根据地址的“标识符元素”上的正则表达式匹配将地址分为其组成部分-一个可比的英语示例是诸如“ state”,“ road”或“大道”-例如,如果我们在地址中写出这些信息。假设我们有一个类似以下的地址,其中(这永远不会发生在英语中),我们在每个名称之后指定了标识符类型United States COUNTRY California STATE San Francisco CITY Mission STREET 345 NUMBER
(CAPS中的单词就是我所说的“标识符”)。
我们想将其解析为:
United States COUNTRY
California STATE
San Francisco CITY
Mission STREET
245 NUMBER
好的,这当然是针对英语的,但是要注意的是:我正在使用中文数据,实际上,这种标识符规范样式一直在发生。下面的例子:
云南-省 ; 丽江-市 ; 古城-区 ; 西安-街 ; 杨春-巷 ;
Yunnan-Province ; LiJiang-City ; GuCheng-District ; Xi'An-Street ; Yangchun-Alley
这很容易-潜在候选标识符名称上的惰性匹配,分为分离列表。
对于中国,以下是“省级”实体:
省 (Province) ,
自治区 (Autonomous Region) ,
市 (Municipality)
所以到目前为止我的正则表达式看起来像这样:
(.+?(?:(?:省)|(?:自治区)|(?:市)))
为了说明地址的不同部分,我有一系列说明。例如,对应于城市的下一层是:
(.+?(?:(?:地区)|(?:自治州)|(?:市)|(?:盟)))
因此,要匹配一个省实体,然后是一个城市实体:
(.+?(?:(?:省)|(?:自治区)|(?:市)))(.+?(?:(?:地区)|(?:自治州)|(?:市)|(?:盟)))
使用命名的捕获组:
(?<Province>.+?(?:(?:省)|(?:自治区)|(?:市)))(?<City>.+?(?:(?:地区)|(?:自治州)|(?:市)|(?:盟)))
对于上述情况,将产生:
$+{Province} = 云南省
$+{City} = 丽江市
这一切都很好,让我走的很远。但是,问题是当我尝试考虑可以是其他标识符的子字符串的标识符时。例如,一个常见的街道级实体是“村委会”,即村庄组织委员会。在我希望分开的地址集中,并非每个地址都写完整。实际上,我发现“村委”,也只是普通的“村”。
问题?如果我仅将这些元素分解,则可以得到以下内容:
(?<Street>.+?(?:(?:村委会)|(?:村委)|(?:村)))
但是,如果您有一个实体保定村委员会(保定村组织委员会),那么这种懒惰的正则表达式将在村停下来并称其为一天,从而使我们的贫民窟成为孤儿,因为村是潜在的分离因素之一。
想象一下一个英语等效项,如下所示:
(?<Animal>.+?(?:(?:Cat)|(?:Elephant)|(?:CatElephant)|(?:City)))
我们有两个输入字符串:
1.我们想要的是“废话的城市”和“废话的城市”
2.“废话猫城”,我们想要的“废话猫”“大象城”
嗯,您说的解决方案是使预标识符捕获贪婪。但!存在具有相同标识符但不在同一级别的实体。
以市为例。它仅表示“城市”。但是在中国,有县级,省级和市级城市。如果此字符在字符串中两次出现,特别是在两个相邻的实体中,则贪婪搜索将错误地将贪婪匹配标记为第一个实体。如下所示:
广东-省 ; 江门-市 ; 开平-市 ; 三埠-区 石海管-区
Guangdong-province ; Jiangmen-City ; Kaiping-City ; Sanbu-District ; Shihaiguan-District
(请注意,如上所述,这已被手工分割。原始数据将仅包含一串串联的字符)
贪婪搜索的匹配项为
江门市开平市
这是错误的,因为应该将两个相邻的实体分成其组成部分。曾经是省级城市,一个是县级城市。
回到最初的观点,我感谢您阅读了到目前为止的内容,是否有办法对析取实体进行加权?我希望正则表达式首先找到最高的“加权”标识符。村委会而不是简单的村,例如,“ catelephant”而不是“ cat”。在初步实验中,正则表达式解析器显然是从左向右进行的,以找到析取匹配项。这是一个有效的假设吗?我是否应该将最频繁出现的标识符放在分离列表中?
如果我丢失了任何与中文有关的详细信息,我表示歉意,并在需要时进一步澄清。该示例实际上不必一定是中文的-我认为更普遍的是,这是一个关于正则表达式析取匹配机制的问题-它以什么顺序偏析析取实体,以及它如何决定何时“称呼它”懒惰的搜索中搜索“一天”?
在某种程度上,懒惰搜索和贪婪搜索之间是否存在某种中间立场?在最长/最高加权的析取实体之前找到最小的位?懒惰,但是如果可以的话,要付出一点点额外的努力?
(顺便说一下,我在大学的工作理念是?)
最佳答案
alternations的处理方式取决于特定的正则表达式engine。对于几乎所有引擎(包括Perl的正则表达式引擎),替换都急切地匹配-也就是说,它首先匹配最左边的选项,并且只有在失败时才尝试其他选择。例如,如果您有/(cat|catelephant)/
,它将永远不会与catelephant
匹配。解决方案是重新排列选择,以便最具体的优先。
关于regex - Perl正则表达式中的加权析取?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/4832542/
我有一个加号/减号按钮,希望用户不能选择超过 20 个但不知道如何让它工作。我尝试使用 min="1"max="5 属性,但它们不起作用。这是我的代码和一个 fiddle 链接。https://jsf
我正在尝试复制顶部底部图,如示例 here但它没有正确渲染(紫色系列有 +ve 和 -ve 值,绿色为负值)留下杂乱的人工制品。我也在努力创建一个玩具示例来复制这个问题,所以我希望尽管我缺乏数据,但有
已关闭。此问题不符合Stack Overflow guidelines 。目前不接受答案。 这个问题似乎与 help center 中定义的范围内的编程无关。 . 已关闭 6 年前。 社区去年审查了是
这个问题在这里已经有了答案: Adding two positive integers gives negative answer.Why? (4 个答案) 关闭 5 年前。 我遇到了一个奇怪的问题
有谁知道如何将字符串值类型 -4,5 或 5,4 转换为 double -4.5 或 5.4? 最佳答案 只需使用 Double.parseDouble(Locale, String); 糟糕,我很困
我正在尝试根据 TextBlob 分类插入一个仅包含“正”或“负”字符串的新数据框列:对于我的 df 的第一行,结果是 ( pos , 0.75, 0.2499999999999997)我想要' 正
我对 VBA 非常陌生,无法理解如何在一个循环中完成 2 个任务。我非常感谢您的帮助。 我已经能够根据第 3 列中的数据更改第 2 列中的数值,但我不明白如何将负值的字体更改为红色。 表格的大小每月都
欢迎, 我正在使用 jquery 通过 POST 发送表单。 这就是我获得值(value)的方式。 var mytext = $("#textareaid").val(); var dataStrin
double d = 0; // random decimal value with it's integral part within the range of Int32 and always p
我有这个字符串: var a='abc123#xyz123'; 我想构建 2 个正则表达式替换函数: 1) 用 '*' 替换所有确实有 future '#'的字符(不包括'#') 所以结果应该是这样的
我正在使用 DialogFragment。当用户从 Gmail 平板电脑应用程序的屏幕与下面示例图片中的编辑文本进行交互时,我希望正面和负面按钮保持在键盘上方。 在我的尝试中不起作用,这是我的 Dia
从组装艺术一书中,我复制了这句话: In the two’s complement system, the H.O. bit of a number is a sign bit. If the H.O
是否有更好更优雅的方法来实现下面的简单代码(diffYear、A 和 B 是数字): diffYear = yearA - yearB; if (diffYear == 0) { A = B
我正在设计一种语言,并尝试确定 true 应该是 0x01 还是 0xFF。显然,所有非零值都将转换为 true,但我正在尝试确定确切的内部表示。 每种选择的优点和缺点是什么? 最佳答案 没关系,只要
在我的 dialogfragment 类的 OnCreateDialog 中,我正在这样做: AlertDialog.Builder builder = new AlertDialog.Builder
这个问题在这里已经有了答案: Resolving ambiguous overload on function pointer and std::function for a lambda usin
我偶然发现了一个奇怪的 NSDecimalNumber 行为:对于某些值,调用 integerValue、longValue、longLongValue 等,返回意想不到的值(value)。示例: l
这个问题在这里已经有了答案: Resolving ambiguous overload on function pointer and std::function for a lambda using
我有这个正则表达式来测试用户输入是否有效: value.length === 0 || value === '-' || (!isNaN(parseFloat(value)) && /^-?\d+\.
我想用高斯混合模型拟合数据集,数据集包含大约 120k 个样本,每个样本有大约 130 个维度。当我使用 matlab 执行此操作时,我运行脚本(簇号为 1000): gm = fitgmdist(d
我是一名优秀的程序员,十分优秀!