xquery-如何选择文本occ。第n次出现分隔符后/如何提取前n个句子/后n个句子
在网页中，有一个包含以下内容的div--xquery-如何选择文本occ。第n次出现分隔符后/如何提取前n个句子/后n个句子,xquery,Xquery,在网页中，有一个包含以下内容的div-- 这是第一句话。这是第二句话。这是第三句话。这是第四句话 现在，我如何从上面的HTML片段中获取文本“这是第二句话”？我理解如何到达文本所在的div/p，但如何只提取特定的句子 同样，我如何提取前3个句子？还有，我如何选择最后两个句子？最后，您的Xquery表达式应该适用于任何类型的分隔符，如“/”、“/”；“等。在点处拆分 用于解构字符串 fn:tokenize(//p, "[\.,;]")[2] 模式可以是任何有效的正则表达式，它将很容易满足您的
这是第一句话。这是第二句话。这是第三句话。这是第四句话
fn:tokenize(//p, "[\.,;]")[2]
fn:positiontokenize(//p, "[\.,;]")[position() le 3]
tokenize(//p, "[\.,;]")[position() = (2 to 3)]
tokenize(//p, '(?<=[\.,;])\s+(?=\p{Lu})')[2]
tokenize（//p，”（？在点处拆分
用于解构字符串
fn:tokenize(//p, "[\.,;]")[2]
模式可以是任何有效的正则表达式，它将很容易满足您的需要。请注意正则表达式的特殊字符
对于前三句话，使用fn:position
：
tokenize(//p, "[\.,;]")[position() le 3]
要进行更一般的分析，可以使用范围表达式：
tokenize(//p, "[\.,;]")[position() = (2 to 3)]
更好的句子识别
不是所有的点都结束句子。为了更好地检测句子（尽管仍然不是在所有情况下都保存），您可以执行一些regex-foo：
tokenize(//p, '(?<=[\.,;])\s+(?=\p{Lu})')[2]
tokenize（//p，”（？
现在，我如何从上面获得文本“这是第二句话”
HTML片段
同样，我如何提取前3个句子
还有，我如何选择最后两个句子
最后，您的Xquery表达式应该适用于任何类型的分隔符-
比如“/”，“/”；“等等
将如下字符串用作tokenize（）
的第二个参数：'[，；]'
现在，我如何从上面获得文本“这是第二句话”
HTML片段
同样，我如何提取前3个句子
还有，我如何选择最后两个句子
最后，您的Xquery表达式应该适用于任何类型的分隔符-
比如“/”，“/”；“等等
使用如下字符串作为tokenize（）
的第二个参数：'[，；]'
将正则表达式与fn:replace和capturing group一起使用如何
它的优点是使用正则表达式而不是手动标记字符串=D，这会让您感觉更糟糕
let $s := 'This is first sentence. This is second sentence. This is third sentence. This is 4th sentence.'
let $adjust-this-regex-as-needed := '([\w\s]+)\.([\w\s]+)\.([\w\s]+)\.([\w\s]+)\.'
return (
fn:replace($s, $adjust-this-regex-as-needed , '$1'), (: first sentence :)
fn:replace($s, $adjust-this-regex-as-needed , '$2 $3') (: last two sentences :)
)
（[\w\s]+）\。-->表示匹配一段时间内的所有字母和空格将正则表达式与fn一起使用如何：替换和捕获组
它的优点是使用正则表达式而不是手动标记字符串=D，这会让您感觉更糟糕
let $s := 'This is first sentence. This is second sentence. This is third sentence. This is 4th sentence.'
let $adjust-this-regex-as-needed := '([\w\s]+)\.([\w\s]+)\.([\w\s]+)\.([\w\s]+)\.'
return (
fn:replace($s, $adjust-this-regex-as-needed , '$1'), (: first sentence :)
fn:replace($s, $adjust-this-regex-as-needed , '$2 $3') (: last two sentences :)
)
（[\w\s]+）\。-->意思是匹配所有字母和空格直到一个句点你的句子中是否从不包含这些字符？（例如，“e.g.”、“i.e.”、“U.s.”@joewiz谢谢你指出这一点……你是对的……现在我必须找出其他提取内容的方法……如果你有任何想法，请告诉我：）在我的回答中添加了一些想法。你的句子中从来没有包含这些字符吗？（例如，“e.g.”、“i.e.”、“U.S.”@joewiz谢谢你指出这一点……你是对的……现在我必须找出其他提取内容的方法……如果你有任何想法，请告诉我：）在我的答案中添加了一些想法。你的第二个表达式生成所有标记，而不仅仅是前三个--count（.）
始终是1谢谢你，不知道我是如何得到count的，在我的编辑器中仍然有位置…不应该匆忙地写答案，修复了这个问题。拉农，我相信position（）le 3
更短、更高效、更可读。我选择范围表达式是因为它更通用。如果只对从一开始的范围感兴趣，我同意使用le
。Ranon，一个（整数）项和一个连续整数序列之间的一般比较通常效率更低（O（N））而不是$item ge$seq[1]和$item le$seq[last（）]
——后者是O（1）。第二个表达式生成所有标记，而不仅仅是前三个--计数（.）
总是1谢谢你，不知道我是怎么进入这里的，在我的编辑中仍然有职位…不应该匆忙写答案，修正了这个问题。拉农，我相信职位（）le 3
更短、更高效、更可读。我选择范围表达式是因为它更通用。如果只对从一开始的范围感兴趣，我同意使用le$item ge$seq[1]和$item le$seq[last（）]。。tokenize（/div/p，，，；）[position（）等式2或position（）等式3]。