javalib：具有不同语义的文本分析器

我需要一个java库来比较两个不同的文本，并告诉我它们是否相关

例如，我会比较其中一个

a） 成分150.00 MG X 20.00 UN

b） “成分150.00 MG X 60.00 UN”

用这个

c） “150毫克成分rec.x 20”

图书馆应该告诉我，第一个对应，第二个不对应，因为a）和c）都提到了一种药物，它以“150mg胶囊和20个单位的包装”呈现，而b）指的是60个单位的包装

我的另一个想法是关于正则表达式，但我对它们不太感兴趣，所以我请求您的帮助

---

提前感谢。

实现Comparable接口并覆盖CompareTo方法。

---

如果找不到答案，请用其他示例解释问题。

如果文本变量的结构始终相同，则正则表达式可能是解决此问题的一种方法。基本上，你要对照一组表达式检查每个文本，看它们是否匹配。根据变量的不同程度，表达式可能简单，也可能需要更复杂

对于上述情况，第一个表达式可以如下所示：

成分150.00 MG X 20.00 UN

->

（标识符）（胶囊重量）X（数量单位）

由此可导出以下表达式：

^COMP（\d+（？：\。\d+））MG X（[\d]+（？：\。\d+））UN$

（这假设空格数始终相等，并且始终使用

MG

和

UN

）

第二句话：

150 mg成分rec.x 20

->

（胶囊重量）成分rec.x（数量包装）

可以派生以下表达式：

^（\d+（？：\。\d+））mg comp\.rec\.x（\d+（？：\。\d+）$

您将看到两个表达式都包含以下部分两次：

（[\d]+（？：\。\d+）

例如，这些部分将数字捕获到一个组中，然后允许您将该文本解析为一个

双精度

。 下面是该子表达式的简短分解：

• （…）

  是一个捕获组，即您可以直接访问与该组匹配的部件

• \d+

  表示一个或多个数字

• \。

  是文字点

• （？：…）

  是一个非捕获组，即您可以应用量词，但不能直接访问匹配的部分

通过以上部分，您可以得到以下信息：

• （？：\。\d+）

  表示最多一个点，后跟至少一个数字。这将匹配

  .123

  ，但不匹配

  .1.2.3

  或

  1。

• （\d+（？：\。\d+））

  表示至少一个数字，可以选择后跟一个点，该点后跟至少一个以上的数字。这将匹配

  1.23

  、

  12.3

  或

  123

  ，但不匹配

  1.

  、

  .2

  或

  1.2.3

如果您有这些表达式，请在文本上应用正确的表达式（如果您知道，则先测试），然后提取这两个组。然后比较这些组的值

---

注意：不要忘记，在Java字符串中，您必须转义反斜杠，因此

\d

将被写成

“\\d”

等。

您知道这些文本的结构吗？变量是否总是以相同的方式构造？我不太明白这将如何解决所描述的问题。您可能想知道“成分150.00 MG X 20.00 UN”和“150 MG成分rec.X 20”是否相似。在这种情况下，哪个更大或更小并不意味着什么。即使是这样，OP要求的将是实现这种比较。谢谢prabhat，但我的问题比这更复杂。我打算做的是从数据库中的不同表中读取两列（它们以上述格式保存数据），并检查哪些是相关的。要做到这一点，我需要一个能够理解即使他们说的不一样，他们的意思也一样的分析者。就像我上面的例子，其中a）和c）是相关的。谢谢托马斯！我会检查的！同时，如果有人知道我如何不用自己编写代码就能实现这一点，我将不胜感激。我确信在web上的某个地方有一个jar，我可以使用它。@user1269388除非这是一种标准格式，否则我想说的是，很难找到一个库来提供任何编码或类似编码的配置所需的内容。