Expresión regular para los acrónimos

Actualmente estoy tratando de extraer acronmys de un grupo de documentos.Expresión regular para los acrónimos

dicen los documentos contiene "estático pruebas de seguridad de aplicaciones (SAST)"

así que estoy tratando de crear una expresión regular para filtrar este tipo de cadenas. Probablemente debería ser algo así como

"un número de palabras cuya letra inicial se repite más adelante entre llaves".

Desafortunadamente, mi expresión regular no es muy buena para formular esto. ¿Ustedes piensan que se puede hacer a través de expresiones regulares o necesito algo más poderoso como un analizador basado en CFG?

Fuente

2011-01-04 er4z0r

¿Qué idioma? Esta puede ser una pequeña expresión regular divertida en .Net, pero no estoy seguro de que Java pueda manejarlo. La respuesta general es que no es posible usar un regex, pero ** extremadamente fácil ** hacerlo manualmente al recorrer las palabras, realmente no necesitas un analizador. – Kobi

Incluso si regex puede hacer esto, no estoy seguro si pertenece * al dominio best-done-via-regex. Consulte [Para usar o no las expresiones regulares?] (Http://stackoverflow.com/questions/4098086/to-use-or-not-to-use-regular-expressions/4098123#4098123). Sin embargo, encontrar varias palabras seguidas de una secuencia de letras sin espacios en mayúsculas en parens es fácil y está mejor hecho por medio de regex. – delnan

¡Vaya, la primera vez que leí esto, mi cerebro registró mal * anagrama * por * acrónimo *! No sé si las expresiones regulares son inapropiadas para * acrónimos *, la solución propuesta parece bastante sencilla, pero usar uno para generar * anagramas * equivaldría a implementar un contrapunto polifónico en un instrumento intrínsecamente único como el violín. Tendría que estar enojado, o ser un verdadero maestro, incluso para intentarlo (* a saber.* BWV 1001-1006). – tchrist

Prueba esto (para 2 siglas letras):

\b(\w)\w+\s+\b(\w)\w+\s+\(\1\2\)

esto por 3 acrónimos carta:

\b(\w)\w+\s+\b(\w)\w+\s+\b(\w)\w+\s+\(\1\2\3\)

Este de acrónimos de 4 letras:

\b(\w)\w+\s+\b(\w)\w+\s+\b(\w)\w+\s+\b(\w)\w+\s+\(\1\2\3\4\)

Tenga en cuenta que la Regex debe ser insensible a mayúsculas y minúsculas.

BTW el Regex Coach es una buena herramienta para probar cosas como esta.

Fuente

2011-01-04 12:26:01

bastante inteligente. +1 – Kobi

Lo comprobaré. Tengo las herramientas de regular-expressions.info aquí. Simplemente no gasté muchas células cerebrales en todo el asunto todavía. – er4z0r

Aquí hay dos soluciones Perl: la primera va palabra por palabra, construye una matriz hecha por el primer leter de cada palabra, luego elimina el acrónimo formado por esos leters. Es bastante débil, y debería fallar si hay algo más que el acrónimo y las letras por línea. También utiliza el patrón (?? {}) para insertar el acrónimo en la expresión regular, lo que me hace sentir mal:

use strict; 
use warnings; 
use 5.010; 

$_ = "Static application security testing (SAST)"; 

my @first; 
s/ 
    \b 
    (?<first>\p{L})\p{L}* 
    \b 
(?{ push @first, $+{first} }) 
    \K \s+ \(
    (??{ join '', map { uc } @first; }) 
    \) 
//gx; 

say;

Mientras tanto, esta solución primero busca algo así como un acrónimo, luego construye una expresión regular para que coincida con tantas palabras necesarias: $ _ = "Pruebas de seguridad de aplicaciones estáticas (SAST)";

my ($possible_acronym) = /\((\p{Lu}+)\)/; 
my $regex = join '', map({ qr/\b(?i:$_)\p{L}*\b\s*?/ } split //, $possible_acronym), qr/\K\Q($possible_acronym)/; 
s/$regex//; 

say;

(He intentado hacer una solución con (? (DEFINIR)) patrones, tales como la respuesta de tchrist here, pero fracasó estrepitosamente. Oh, bueno.)

Para más información acerca de (? :), capturas nombradas (?), \ K, y un montón de cosas swell, perlre es la respuesta.

Fuente

2011-01-04 17:43:37 Hugmeir

Expresión regular para los acrónimos

Respuesta

Cuestiones relacionadas