用java从文本文件中提取包含两个单词的句子

我试图从文本文件中提取包含两个单词的句子。我使用了regex，如下代码所示

File doc = new File("D:\\MyFile.txt");

BufferedReader br = null;

System.out.println("enter the regex pattern to be matched");
Scanner keyboard = new Scanner(System.in);
String regxpat = keyboard.nextLine();


  String line;
  br = new BufferedReader(new FileReader(doc));     
  Pattern p = Pattern.compile(regxpat, CASE_INSENSITIVE);



  while ((line = br.readLine()) != null) 
  {

    try
    {
        Matcher m = p.matcher(line);
        m.find();

        System.out.print(m.group().toString());

    }        
    catch (IllegalStateException e) 
    {
    }
    continue;

  }
//i tried regex= "(he)*([.&&[^\.]]*?)Milan(.*?)\."

如果文本为：

"...Thomas Edison is a scientist. He invented bulb. He was born in Milan, Ohio, and grew up in Port Huron, Michigan. He was the seventh and last child of Samuel Ogden Edison, Jr...."

• 我想要一个句子（句子边界是句号，后面是空格）加上“他”和“米兰”，即第三个句子（顺序不重要。任何句子都需要这两个词）
• 我试过上面的regex模式和许多其他模式
• 但它会在“milan”之后提取部分句子，或者从第一个“he”开始提取两个句子
• 请推荐一种使用正则表达式或java中的任何其他方法完成此任务的方法

（我正在提取两个实体之间的关系模式：在本例中，关系模式是“born in”，b/w实体“edison”和“milan”。 我需要大量相关文本文件或网络文档中的上述句子[如爱迪生传记或谷歌“爱迪生米兰”的前500个链接]进行进一步处理）

请澄清：

• 你的语料库是否一致：所有的传记的格式是否与语法相同
• 如果是这样的话，您需要您的模式匹配什么，或者更好，您需要从匹配中检索什么？例如，您是否需要带有“Edison”和“Milan”的键值对？还是

如果您的语料库不一致，那么正则表达式可能就不适合使用了。

---

如果是这样的话，你可能会想使用字典等——这可能是一项艰巨的工作

我的建议是不要期望正则表达式完成所有处理，而是一步一步地处理文本

我想要这个句子（句子的边界是句号，后跟空格）

好的。使用字符串拆分方法获取句子。使用后跟一个或多个空格的句号（句点）作为正则表达式。我将把这个正则表达式的构造留给您

“他”和“米兰”

好的。写一个方法来输入单词并将它们添加到列表中

编写另一个方法来遍历使用另一个拆分方法创建的字符串数组，将句子拆分为单词。同样，我将把这个正则表达式的构造留给您

找到第一个单词的句子时，在单词列表中循环，检查列表中的单词是否在单词边界上拆分的句子中。如果你找到所有的单词，你就会找到一个匹配的句子。如果你没有找到所有的单词，继续下一个句子

---

一旦你在拆分字符串数组中循环，你要么有一个句子，要么有多个句子，要么没有包含单词列表的句子。

+yeah d语料库不一致。我的任务S2提取关系模式b/w实体+例如：对于爱迪生n米兰来说，帕特恩可能是“出生在/出生地/出生地等”我应该从相关文档的数量中提取这两个单词的句子n使用一种频率过滤器来提取这些模式，因为这些模式经常出现然后我也应该使用字典……是的，前面还有一些艰苦的工作：）+到现在为止，我需要两个给定单词的句子。我明白了。所以，“我需要两个给定单词的句子”，你的意思是你想检查包含名字的句子1的语料库，以及后面包含“出生于”表达式的句子2，如果是，从这两个句子中提取名字和位置候选词。我对你的理解正确吗？我希望这个句子同时包含“爱迪生”和“米兰”两个词。如果没有找到匹配项，我将搜索带有“他”和“米兰”的句子。相关文本文档中的这些句子显然会包含诸如“出生地/出生地/出生地等”之类的关系模式，这些关系模式可以在进一步处理后提取出来，然后我会使用字典：常见的城市/城镇名称、常见或著名的姓氏、一个带有“出生地”表达式，还有一个带有代词。表达式的正确组合将允许您挖掘所需的数据。不过，我认为在这里尝试起草任何具体的实施方案是远远超出范围的。您可以开始检查复杂的解析/挖掘工具，例如。。。对不起，我不能说得更具体了！我尝试使用字符串拆分方法，但我给出的正则表达式模式或其他一些东西有问题。

File doc=new File（“D:\\aMyFile.txt”）；BufferedReader br=null
字符串行
br=new BufferedReader（新文件阅读器（doc））
while（（line=br.readLine（））！=null）{for（String-retval:line.split（\.\s”））System.out.println（retval）；}
对于代码格式很抱歉。使用back ticks``但不知道如何使用回车是的，我把文本分成了几个句子，然后使用正则表达式。现在很好用。