如何将行换成已知单词答案

【问题标题】：How to break line into known words如何将行换成已知单词
【发布时间】：2014-01-09 18:14:11
【问题描述】：

我需要将一行字符串分成不同的列到excel中。这是我得到的输入。

输入：

37006 II 学期 P.G.临床研究和临床数据管理考试文凭，2012 年 7 月/8 月制药法规事务时间：最多 3 小时。分数：100

输出：带有结构的 CSV 记录（代码、Sem/Year、主题、课程、考试日期、时间、分数）

37006，第二学期，PG临床研究和临床数据管理文凭，制药法规事务，2012 年 7 月/8 月，3 小时，100

我有不同集合中的数据，这些数据构成了上述行。例如：

语法（这是一个数组/字典）：

学期[I,II,III,IV,V,VI,VII,VIII,IX,X,1,2,3,4,5,6,7,8,9,10]
年[I,II,III,IV,V,VI,VII,VIII,IX,X,1,2,3,4,5,6,7,8,9,10]
主题[P.G.临床研究和临床数据管理文凭，法学学士]
课程[医药法规事务、法律 - 法学]
考试日期[ 2012 年 7 月/8 月，1 月/2 月。 2013]
时间[3小时]
MaxMarks[30,40,50,60,70,80,90,100]

仅供参考，

我不确定是否可以使用任何分隔符来打破它，因为它具有高度不可预测性或可靠性。
我不确定文本在每一行中的顺序是否相同，或者没有固定长度、汽车或单词

我的假设是，逐字阅读并尝试与我拥有的任何数组中的任何单词匹配。如果它与任何单词匹配，则将该单词归为下降类别并添加到excel中的相关列中。

在这里，我知道如何处理数据和所有内容，但优化/最佳方式除外了解每个单词属于哪个类别。

有没有词法分析专家可以分享一下这方面的一些想法？

【问题讨论】：

标签： excel text-parsing lexical-analysis lexical

【解决方案1】：

你应该使用正则表达式来匹配这种复杂的文本模式。

【讨论】：

这里的数据不是 1 行或 10 行。它大约有 2000 行，语法太大，构成了所有 200 行。我如何使用正则表达式来匹配这个庞大的数据。
您可以尝试为每一行应用单个正则表达式（包含您分配的 7 个词法）。
^/d+\s((/d{1,2}|X|IX|VIII|VII|VI|V|IV|III|II|II)\sSemester)\s ... $ 是第一个词法的示例：学期。
在年/学期的情况下，其作为搜索条件的范围很小。但是如果让我们说主题/课程，标准就像我认为的 200 种可能性。并且 tere 是没有分隔符的主题，一个学期以单词 term 结尾。如何用正则表达式来解决问题
在您给定的示例中，考试日期紧随主题之后，时间紧随课程之后。由于科目和课程很难匹配，您可以编写 before-date-and-after-semester-logic。使其匹配日期和学期之间的所有内容。

【解决方案2】：

请看一下 ANTLR 这样的词法分析器。如果您了解 Java 或其他能够阅读正则表达式的语言，那么经过一个下午（或一周）的折磨后，您将能够轻松解析这些语言。您也可以用 Java 编写正则表达式，但我会建议您使用 ANTLR 接口，您可以在 Eclipse 中使用该接口。它将向您展示如何解析这些行。

让 ANTLR 或 Java 的输出写出一个 CSV 文件。 CSV 将成为您将数据输入 Excel 电子表格的工具。

【讨论】：