正则提取中文句子背后有英文翻译的情况

abtxu · 发表于 2020-8-1 22:54:27

本帖最后由 abtxu 于 2020-8-2 07:10 编辑

案例：
《詩·東山》：“其新孔嘉，其舊如之何？”竊以爲當與《易》此節合觀，舊解未的。二句寫征人心口自語：“當年新婚，愛好甚摯，久睽言旋，不識舊情未一五變否？”乃慮其婦闊别愛移，身疏而心亦遐，不復敦夙好，正所謂“近鄉情更怯”耳。王建《遠將歸》：“遠將歸，勝未别時，在家相見熟，新歸歡不足”；則求金者遠歸之喜詞，與舍軀者生還之疑詞，區以别矣。西方古詩歌或歎喋血餘生，無錢無食，襤褸如丐，千里歸來，則婦初不閒曠，與不知誰何生子累累（Wohlgebrauchte Weiber，/Ungewisse Kinder）；或託爲妻詬夫從軍云：“汝去我甚急，頭插鳥羽，獨不慮歸來時身將披龜甲耶！”（Ma di penne，a fuggirmi，il capo adorna；é porterai nel trionfo altero/delta luna ottomana ambe le corna！）雖口角獷鄙，要亦如王弼註所言情事也。

需要的匹配形式： “中文中文”（non-Chinese character）例如：“倘明吾旨，則由吾言而更上陟焉，吾言遂無復意義，亦猶緣梯而升，盡級登高，則必捨梯也”（Meine Sätze erläutern dadurch，dass sie，der，welcher mich versteht，am Ende als unsinnig erkennt，wenn er durch sie－ auf ihnen－über sie hinausgestiegen ist）

大致上可以确定括号内的内容可以使用（[^一-龠].+?）实现匹配。

问题是怎么做到匹配双引号中的中文的时候，只匹配括号之前的第一个句子的双引号，即不要匹配成：

“故記誦者，學問之舟車也。人有所適也，必資乎舟車，至其地，則捨舟車矣；一步不行者，則亦不用舟車矣。”當世哲人維德根斯坦謂：“倘明吾旨，則由吾言而更上陟焉，吾言遂無復意義，亦猶緣梯而升，盡級登高，則必捨梯也”（Meine Sätze erläutern dadurch，dass sie，der，welcher mich versteht，am Ende als unsinnig erkennt，wenn er durch sie－ auf ihnen－über sie hinausgestiegen ist）

即：
只匹配：
“中文中文”（non-Chinese character）

但避免这种情况：
中文中文中文：“中文中文”。中文中文中文：“中文中文”（non-Chinese character）

Mandolin · 发表于 2020-8-1 23:29:12

本帖最后由 Mandolin 于 2020-8-2 07:52 编辑

匹配带英文翻译并且前面是引号标注的中文？没有完全明白你的意思，按我理解你是要这样？：

“([^“”]+)”（([^\x{2E81}-\x{FE29}]+)） /* \1匹配中文，\2匹配英文*/

复制代码

或者这样也行：

“([^“”]+)”（([^（）]+)） /* \1匹配中文，\2匹配英文*/

复制代码

abtxu · 发表于 2020-8-2 07:08:22

本帖最后由 abtxu 于 2020-8-2 07:10 编辑

Mandolin 发表于 2020-8-1 23:299 U3 l+ }- x* |" g
匹配带英文翻译并且前面是引号标注的中文？没有完全明白你的意思，按我理解你是要这样？：9 a/ K% z0 J- D6 ~3 ^
9 S% v) E* |0 k' a
...

多谢回复！
已经更新了介绍。
我的问题可能是一个思路的问题：先确定了括号中的外文的匹配方式，怎么做到匹配前面的有且只有一句双引号中的中文，而不把更前面的带双引号的中文的第一个双引号，当作双引号的起点。只匹配：
“中文中文”（non-Chinese character）

但避免这种情况：
中文中文中文：“中文中文”。中文中文中文：“中文中文”（non-Chinese character）

Mandolin · 发表于 2020-8-2 07:37:52

abtxu 发表于 2020-8-2 07:08+ L+ r1 n: \9 e- W
多谢回复！3 E2 ` c' l& T& q
已经更新了介绍。
& r1 D, C: s2 E0 L* O我的问题可能是一个思路的问题：先确定了括号中的外文的匹配方式，怎么做到 ...

嗯，那我就理解对了，上面给的代码能解决你的问题吗？

wjl · 发表于 2020-8-2 07:45:38

本帖最后由 wjl 于 2020-8-2 07:52 编辑

Mandolin 发表于 2020-8-1 23:29
2 B4 Q7 D7 y2 P, J9 d匹配带英文翻译并且前面是引号标注的中文？没有完全明白你的意思，按我理解你是要这样？：9 Q8 v* J9 T5 c- ~, V8 r5 p
+ r* l, k2 R( ^4 ^; F, j6 }9 Z! D4 m
...

多谢分享正则表达式技巧。

abtxu · 发表于 2020-8-2 08:56:29

Mandolin 发表于 2020-8-2 07:375 p& |, v, F, L
嗯，那我就理解对了，上面给的代码能解决你的问题吗？

非常感谢！可以解决了！
可否再拓展一下，把中文引号前面的部分也匹配进去？也就是把以下红色部分也匹配到。
當世哲人維德根斯坦謂：“倘明吾旨，則由吾言而更上陟焉，吾言遂無復意義，亦猶緣梯而升，盡級登高，則必捨梯也”（Meine Sätze erläutern dadurch，dass sie，der，welcher mich versteht，am Ende als unsinnig erkennt，wenn er durch sie－ auf ihnen－über sie hinausgestiegen ist）

观察到當世哲人前面可能有引号（其实也可能是句号，也可能没有）
”當世哲人
我试图用[。”]*([^“”。]+)”（([^\x{2E81}-\x{FE29}]+)匹配，但没有成功。

Mandolin · 发表于 2020-8-2 10:13:12

还要匹配前面部分的话，可以试试：

[。！”]*([^。！”]*)“([^“”]+)”（([^（）]+)） /* \1匹配前面部分，\2匹配引号内中文，\3匹配括号内内容*/

复制代码

也不一定行，可能需要视情况修改，你多试试，大概用法知道了就可以举一反三

abtxu · 发表于 2020-8-2 10:19:34

Mandolin 发表于 2020-8-2 10:13( `6 u+ c6 R, B5 U% \* d
还要匹配前面部分的话，可以试试：

可以了，非常感谢！

		自动登录	找回密码
密码			免费注册

[求助] 正则提取中文句子背后有英文翻译的情况