Question

我必须从报纸文章中提取摘要。摘要是根据给定的关键字并根据下面提到的规则提取的。

摘要应为200个字符。
一旦关键字开始从文章中的那句话开始打印出现在该句中并打印最多200个字符
如果匹配的句子出现在文章的结尾处，那么摘要是不到200个字符，然后移动从匹配的句子返回到先前的句子最后打印出包含匹配句子的200个字符最后。

我现在所做的一切都是......

var regex = new Regex(keyword+@"(.{0,200})");

foreach (Match match in regex.Matches(input))
{
    var result = match.Groups[1].Value;
    Console.WriteLine(result);

    // work with the result
}

上面的代码成功到达了第一个匹配的句子，但是开始打印 AFTER 关键字最多200个字符，而不是开始匹配句子。

如果在打印200个字符之前达到文章结尾，也没有回溯。

请指导我如何继续。即使有人不知道完整的解决方案，请在问题的子部分帮助我。

Answer 1

var nextIndex = input.IndexOf(keyword);

while (nextIndex != -1)
{
    var index = nextIndex;
    // To start the 200chars result from right after the keyword, do instead:
    // var index = nextIndex + keyword.Length;

    // If you want to stop after you reached the end of the text once:
    // var end = false;

    if (index + 200 >= input.Length)
    {
        index = input.Length - 200;

        // If you want to stop after you reached the end of the text once:
        // var end = true;
    }

    var result = index < 0 ? input : input.Substring(index, 200);

    Console.WriteLine(result);

    // If you want to stop after you reached the end of the text once:
    // if (end) { break; }

    nextIndex = input.IndexOf(keyword, nextIndex + 1);
}

如果您希望搜索不区分大小写，只需在StringComparison.OrdinalIgnoreCase s中添加IndexOf作为另一个参数。

Answer 2

请改用

var regex = new Regex( @"(" + keyword+ @".{0,200})");

这将确保包含关键字。否则你也可以使用这个

var result = match.Value;

此外，您已指定{0,200}，因此它将匹配任何大小介于0到200之间的实例，因此它将匹配任意数量的字符，直到达到文章结尾。让我确切地知道你在这方面想要达到的目标。

如果希望表达式从句子的开头返回结果，请尝试执行此操作

var regex = new Regex( @"\.(.+?" + keyword+ @".*)");

但是在这种情况下，您必须手动删除多余的字符，因为这个正则表达式往往会获取您预期的更多字符。它将从包含关键字的句子的开头直到段落结尾处获取字符。

Answer 3

正在使用正则表达式吗？如果不是，那么这是一个粗略的选择：

var index = input.IndexOf(keyword) + keyword.Length;
var remaining = input.Length - index;
index = remaining >= 200 ? index : index -= 200 - remaining;

Console.WriteLine(input.Substring(index, 200));

使用正则表达式提取匹配的文本

3 个答案: