Java 用于在方括号中保留 ngram 的正则表达式
Java regex to preserve ngrams in square brackets
我是 Java 正则表达式的新手，所以我想知道是否有人可以在我需要正则表达式以根据 ngram 拆分文本的地方提供帮助。所以如果我有这样的文字：
dyson [salisbury matheson beaumont] clarke [carstairs morden] vaughan
到 return 以下 ngram：
Unigram: dyson
Trigram: salisbury matheson beaumont
Unigram: clarke
Bigram: carstairs morden
Unigram: vaughan
方括号中的内容是保留为双字母还是三字母？
拆分将基于括号外的空格。
这很简单：
\w+|\[([\w\s]+)\]
解释：
\w+ 匹配一个词（一系列字母数字字符或下划线）- 或：
\[([\w\s]+)\]
\[ 匹配 [[\w\s]+匹配一系列的单词和空格，这个被捕获了\] 匹配 ]
如果你有一个捕获，就意味着你有括号里的东西，否则就意味着你只有一个词。然后，您可以将简单的 \w+ 正则表达式应用于括号的内容以提取单词。
要在 Java 中使用它，您必须转义反斜杠以将它们按原样传递给正则表达式引擎：
String pattern = "\w+|\[([\w\s]+)\]";
我是 Java 正则表达式的新手，所以我想知道是否有人可以在我需要正则表达式以根据 ngram 拆分文本的地方提供帮助。所以如果我有这样的文字：
dyson [salisbury matheson beaumont] clarke [carstairs morden] vaughan
到 return 以下 ngram：
Unigram: dyson
Trigram: salisbury matheson beaumont
Unigram: clarke
Bigram: carstairs morden
Unigram: vaughan
方括号中的内容是保留为双字母还是三字母？
拆分将基于括号外的空格。
这很简单：
\w+|\[([\w\s]+)\]
解释：
\w+匹配一个词（一系列字母数字字符或下划线）- 或：
\[([\w\s]+)\]\[匹配[[\w\s]+匹配一系列的单词和空格，这个被捕获了\]匹配]
如果你有一个捕获，就意味着你有括号里的东西，否则就意味着你只有一个词。然后，您可以将简单的 \w+ 正则表达式应用于括号的内容以提取单词。
要在 Java 中使用它，您必须转义反斜杠以将它们按原样传递给正则表达式引擎：
String pattern = "\w+|\[([\w\s]+)\]";