每个句子的前四个单词，但必须以单词 X 开头，以单词 Y 结尾

Question

我想过滤每句话的前四个词，第一个词是“This”，最后一个词是“on”。我一直在尝试观看 YouTube 教程，但我所能做的就是：([A-Z](?:[^\s.!?]+(?:\s|\n)){0,4}(?:[^\s.!?]+)?)现在，这里有一个例子：这个 [perception resids] on...

Answer 1

你应该考虑使用一些 NLP 包将文本拆分成句子。然后使用

^This\s+\S+\s+\S+\s+on\b

它匹配一个以 wth 开头的字符串This，然后有两个包含任何非空白字符的单词，然后是单词on。

见证明

解释

NODE                     EXPLANATION

--------------------------------------------------------------------------------

  ^                        the beginning of the string

--------------------------------------------------------------------------------

  This                     'This'

--------------------------------------------------------------------------------

  \s+                      whitespace (\n, \r, \t, \f, and " ") (1 or

                           more times (matching the most amount

                           possible))

--------------------------------------------------------------------------------

  \S+                      non-whitespace (all but \n, \r, \t, \f,

                           and " ") (1 or more times (matching the

                           most amount possible))

--------------------------------------------------------------------------------

  \s+                      whitespace (\n, \r, \t, \f, and " ") (1 or

                           more times (matching the most amount

                           possible))

--------------------------------------------------------------------------------

  \S+                      non-whitespace (all but \n, \r, \t, \f,

                           and " ") (1 or more times (matching the

                           most amount possible))

--------------------------------------------------------------------------------

  \s+                      whitespace (\n, \r, \t, \f, and " ") (1 or

                           more times (matching the most amount

                           possible))

--------------------------------------------------------------------------------

  on                       'on'

--------------------------------------------------------------------------------

  \b                       the boundary between a word char (\w) and

                           something that is not a word char

Answer 2

最基本的正则表达式是

/\bThis\s+\w+\s+\w+\s+on\b/

这将匹配没有捕获。也许您认为的“单词”字符可能与正则表达式引擎认为的单词字符不同。

Answer 3

(?:^|[.;!?]\s+)(\bThis\W*?(\b\w+\b)\W*?(\b\w+\b)\W*on\b)

这样的事情会起作用吗？据我了解，您希望句子有四个词，以“This”开头，以“on”结尾。