用JavaScript计算文档中单词的开始和结束位置

我有一个文本文档，表示为句子的

数组

，对于每个句子，我有一个单词标记的

数组

我必须为每个标记位置计算文档中标记位置的绝对开始和结束，因此，如果在一个句子中我有

ipsum

五次，我必须为每次出现在该句子中获得正确的位置

我写了这个函数

// calculate begin and end to each token in a sentence
function calculateTokenBeginEnd(textArray) {
  var currentText = [];
  textArray.sentences.forEach(function(sentence) {
    for (var i = 0; i < sentence.tokens.length; ++i) {
      var token = sentence.tokens[i];
      var word = token.word;
      if (i > 0) {
        var thisBegin = token.characterOffsetBegin;
        var previousEnd = sentence.tokens[i - 1].characterOffsetEnd;
        if (thisBegin > previousEnd) {
          currentText.push(' ');
        }
      }
      token.characterOffsetBegin = currentText.length;
      for (var j = 0; j < word.length; ++j) {
        currentText.push(word[j]);
      }
      token.characterOffsetEnd = currentText.length;
    }
    currentText.push('\n');
  });
  return textArray;
} //calculateTokenBeginEnd

这是一个使用此方法的示例。然后，

calculateTokenBeginEnd

应该计算令牌开始和结束索引，而

text2centencestokens

创建了上面的文档结构。

calculateTokenBeginEnd

无法按预期工作

text=“我是一位杰出的职业经理人，我的工作和生活都是暂时性的。”，\不可撤销的劳动合同不可撤销。\n不可撤销的劳动合同不可撤销的劳动合同不可撤销。\n不可撤销的不可撤销的劳动合同不可撤销的劳动合同不可撤销。\n不可撤销的不可撤销的劳动合同，不可撤销的不可撤销的劳动合同
//将文本映射到句子和标记的步骤
text2centencestokens=函数（文本）{
var self=这个；
返回新的承诺（（解决，)）=>{
让句子=text.split（/\n+/g）；
让sentencesP=句子.map（（句子，行索引）=>{//
返回新的承诺（（解决，)）=>{
让tokens=句子.split（/\s+/g）；
对于每个令牌，让tokensP=tokens.map（（token，tokenIndex）=>{//
让项目={
“索引”：（令牌索引+1），
“字”：代币
}
if（typeof（tokenP）==“函数”）{
返回令牌p.apply（自身，[项目]）；
}否则{
返回新的承诺（（解决，)）=>{
解决（项目）；
});
}
});
Promise.all（令牌SP）
。然后（res=>{
决心({
索引：lineIndex，
案文：一句话，
代币：res
});
})
.catch（err=>console.error（err））
});
});
承诺，一切（句子SP）
。然后（res=>{
决心({
句子：res
})
})
.catch（err=>console.error（err））
});
}//text2centencestokens
//计算句子中每个标记的开始和结束
函数calculateTokenBeginEnd（textArray）{
var currentText=[]；
textArray.句子.forEach（函数（句子）{
for（变量i=0；i<句子.tokens.length；++i）{
var-token=句子。tokens[i]；
var-word=token.word；
如果（i>0）{
var thisbeng=token.characterOffsetBegin；
var previousEnd=句子。标记[i-1]。characterOffsetEnd；
如果（thisBegin>previousEnd）{
currentText.push（“”）；
}
}
token.characterOffsetBegin=currentText.length；
对于（变量j=0；j{
句子=计算开始（句子）；
控制台日志（句子）；
})

这可能是一种更简单的方法来计算句子中单词的开头/结尾，希望能有所帮助

var word=“Lorem”；
var reg=RegExp（单词“g”）；
var station=“Lore ipsum Lorem dolor sit Lorem amet，”；
var匹配；
控制台日志（句子）；
console.log（word）；
while（（match=reg.exec（句子））！==null）{
var wordStart=match.index；
var wordEnd=wordStart+word.length-1；
log（wordStart+'-start index'）；
log（word.length+'-单词长度'）；
log（wordEnd+'-最后一个字符索引，需要+1才能与子字符串一起使用）；
log（句子.子字符串（wordStart，wordEnd+1）+'-使用带有计算的子字符串查找单词并验证'）；
}

谢谢此建议帮助重写了问题，添加了一个可能的解决方案。

RegExp

也存在一个问题，即我们应该考虑当前

句子中
标记的多个匹配项。
更新了代码以考虑多个匹配项。嘿@xtothel我已经更新了问题是，当在一个句子中循环使用代币时，只考虑最后一个匹配，因此匹配的位置将是错误的。
{
    "sentences": [
        {
          "index": 0,
          "text": "Lorem ipsum dolor sit amet,",
          "tokens": [
            {
              "index": 1,
              "word": "Lorem",
              "characterOffsetBegin": 0,
              "characterOffsetEnd": 5
            },
            {
              "index": 2,
              "word": "ipsum",
              "characterOffsetBegin": 5,
              "characterOffsetEnd": 10
            },
    ...
          ]
        },
        {
          "index": 1,
          "text": " consectetur adipiscing elit,",
          "tokens": [
            {
              "index": 1,
              "word": "",
              "characterOffsetBegin": 24,
              "characterOffsetEnd": 24
            },
    ...
    }