我想把我的文件分成段落。
首先，我使用TIKA从（PDF，DOC）格式中提取文本。
在此之后，我使用temp.xml将文本分成几行。
Split()然后我使用正则表达式提取特定信息（例如公司名称，名称，忠诚度）。
它有效，直到我有一个分为多行的段落 即：
在Lycatel B.O.S.工作。 （P）有限公司印度办事处，Chennai担任电信 计费分析师于07年10月22日至2008年6月3日。
它将分为：
String[]lines=handler.toString().split("\n");\\handler from TIKA that extract the whole text from document
因为我为每个段落应用paragraph [1] : Worked in Lycatel B.O.S. (P) Ltd. India Office, Chennai as Telecom
paragraph [2] : Billing Analyst from 22nd October 07 to 3rd June 08.
：
Matcher提取的数据是错误的，因为2行应该在同一段落中。
我尝试根据Matcher matcher = pattern.matcher(paragraphs[i]);
分割文字：
.但是，名称中包含String[]lines=handler.toString().split(".");
的公司也会被吐出。例如：
Lycatel B.O.S. （P）Ltd。
我如何划分文字，以便段落.将一直到句号（[i]）？
答案 0 :(得分：1)
您可以尝试使用(?sm)^.*?\\.$但我怀疑您可以使用正则表达式来解决您的问题。
(?s)是dotall标记，它会使.匹配换行符
(?m)是多行标记，因此$将匹配行尾（而不仅仅是字符串的结尾）。
因此，使用此正则表达式，我们会根据需要匹配尽可能多的字符（包括换行符），然后才能匹配位于其行尾的.。
您可以在regex101上尝试。