V2EX › ffkjjj 的所有回复 › 第 10 页 / 共 11 页

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

For Existing Member Sign In

1 ... 2 3 4 5 6 7 8 9 10 11

❮

❯

2017 年 12 月 14 日

String regex = "供应商名称\\s*：\\s*(.{0,30}\\D)(\\s2?)\\s*\\d?.*?法人.{0,40}?地址：\\s*(\\S+) ";

2017 年 12 月 6 日

@tianxiacangshen https://i.loli.net/2017/12/06/5a2776468ae54.png
你也可以通过这种正则思路来进行分句子。英语情景差不多。

2017 年 12 月 6 日

@tianxiacangshen 因为分词 api 不会把网址打断，你就可以直接根据标点来判断句子首尾了。
下面图中是 PIN 软件里面的分词功能
https://i.loli.net/2017/12/06/5a2769242aa0e.jpeg

2017 年 12 月 5 日

通过正则匹配 : 前后类容，如果是网址的话就继续向前|向后匹配。
我觉得，通过一些分词的 api 应该可以更简单实现你的需求。通过分词之后，应该就可以直接进行标点匹配了。PS.不过我没实际尝试过，感觉可以试试。

2017 年 11 月 24 日

@neosfung 要是相同的元素有奇数个呢…… a^a^a^b^b^b

2017 年 9 月 22 日

@saximi
访问 http://www.ccb.com 时的默认网页源码就是你爬到的字符串内容。
通过浏览器访问到的页面是 http://www.ccb.com/cn/home/indexv3.html，那已经是重定向后的页面啦。

1 ... 2 3 4 5 6 7 8 9 10 11

❮

❯