用java语言从文本文件中提取包含2个单词的句子

Question

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(.*?)\."

如果案文是：

"...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），其中有“他”和“米兰”，即第三个句子（顺序不重要。任何同时有这两个词的句子都是必需的）
• 我尝试了上面的regex pattrn和其他许多方法
• 但是它在'milan'之后提取部分句子，或者从第一个'he'开始提取两个句子
• 请建议使用regex或Java中的任何其他方法完成此任务的方法

（我正致力于提取2个实体之间的关系模式：在这种情况下，关系模式是“出生在”B/W实体“爱迪生”和“米兰”。我需要从大量相关的文本文件或web文档（如爱迪生传记或谷歌关于“爱迪生米兰”的前500个链接）中提取上述句子来做进一步的处理）

Answer 1

我的建议是不要指望正则表达式完成所有的处理，而是一步一步地处理文本。

我想要的句子（句子边界是句号后跟空格）。

好吧。使用字符串拆分方法获得句子。使用句号（句点）后跟一个或多个空格作为正则表达式。我将把这个正则表达式的构造留给您。

加上“他”和“米兰”

好吧。编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。