Hjælp til regular expression..

hvis du skal splitte op så du får alle ordene.. så er det da vidst nemmere, at gøre sådan istedet

string tekst = "Dette her er bare en test";
string[] ord = tekst.Split(' ');

Noget i denne stil?

            string tekst = "F.eks. Dette her er bare en test. Testen er kun til for at vise hvad den skal gøre. Det er ca. 200 poing til den som kan hjælpe.";
           
            string[] linjeArr = Regex.Split(tekst, @"(?<=\.) ");
            foreach (string linje in linjeArr)
            {
                Console.WriteLine(linje);
            }

Læg dog mærke til at der er et lille problem omkring forkortelser som f.eks. "ca.".

kalp: Det er ikke alle ord jeg vil have splittet op. Det er en hel sætning.

Det jeg har nu virker næsten fint. Det som jeg manger er hvordan jeg os får den til at tage mere end et mellemrum.

Det er selve denne string som jeg har brug for hjælp til "[a-z][.*][ ][A-Z]".

Den metode jeg som bruger nu har et par fordele. En normal sætning slutter med punktum og starter normal med et stort bogstav. Der for hvis der er ca. i sætningen vil dette ikke betyde noget da orderet efter ca. ikke starter med et stort bogstav.

Hvis der kan være mere end et mellemrum, så skal mønsteret modifiseres til:

string[] linjeArr = Regex.Split(tekst, @"(?<=\.) +");

Din egen regexp ser noget "sjov" ud:

F.eks. betyder dette delmønster:

[.*] - det samme som "et af de to tegn '.' eller '*'".

Dette er ikke det samme som hvis du bare havde skrevet:

.*

- som er det jeg gætter på at du mente.

[ ] - Her kan de to [...] simpelthen bare udelades. Den betyder simpelthen "et af de vilkårlige tegn ' '" - hvilket ikke rigtigt giver nogen mening når der faktisk kun er et enkelt tegn imellem [...]'erne.

hehe ja nu når du siger det.
Det er fordi jeg har prøvet at lidt forskelligt måder, for at se om jeg kunne få det til at virke.

Det er denne her jeg starte med "[a-z]. [A-Z]"

Jeg kan nu ikke lige se hvorfor at den skulle virke hvis du ville matche hele sætninger. Den matcher nemlig:

Et vilkårligt af bogsatverne 'a' til 'z', efterfulgt af et *vilkårligt* tegn, efterfulgt af et mellemrum, efterfulgt af et vilkårligt af bogstaverne 'A' til 'Z'.

Eksempler.

a@ A
z1 A
aa Z

Foruden at der ikke er en eneste af dine sætningsr som ser sådan ud, så begrænser den også dine sætninger til at være præcis 4 tegn lange.

Har du ellers fået kigget på 01/04-2008 11:25:18 med modifikationen fra 01/04-2008 11:42:07 ?

ja jeg kigget på den sidste du lavet. men den tager ca. med.

Ja den søger efter en f.eks  "a. A"
Det jeg så få er på hvad for en position den starter på.
Skal nemlig kun bruge position hvor sætningen slutter og hvor den ny starter.

Ved godt det virker lidt indviklet.

            segRegexObj = new Regex("([a-z][.*][ ][A-Z])", options);


                Match m = segRegexObj.Match(@"Dette her er bare en test. Testen er kun til for at vise hvad den skal gøre. Det er ca. 200 poing til den som kan hjælpe.");
                int LastPos = 0;
                while (m.Success)
                {

                    seqCound++;

                    int NewToPos = (LastPos + (m.Index - LastPos + (m.Length - 1)));

            Consol.writeline("From: "+ LastPos.Tostring() + " To: "+NewToPos.ToString());

           
                    LastPos = m.Index + m.Length - 1;
                    // get next match
                    m = m.NextMatch();
                }

Hvis det kun er steder med flere mellemrum der bugger dig lige nu, så må det være hvis du har "a.  B" ikke?, så kan du:

segRegexObj = new Regex("([a-z][.*][ ]*[A-Z])", options);

Men ja, en noget spøjs regex til at identificere sætninger

Sådan, så skulle problemet omkring "ca." også være fikset:

            string tekst = "F.eks. Dette her er bare en test. Testen er kun til for at vise hvad den skal gøre. Det er ca. 200 poing til den som kan hjælpe.";
           
            string[] linjeArr = Regex.Split(tekst, @"(?<=\.) +(?=[A-ZÆØÅ])");
            foreach (string linje in linjeArr)
            {
                Console.WriteLine("|" + linje + "|");
            }

og hvis "Dette kald stream.Position. Skulle ikke gerne dele sætningen. Således at der kommer 4 linier her." skal blive til:

1. Dette kald stream.Position.
2. Skulle ikke gerne dele sætningen.
3. Således at der kommer 4 linier her.

Så prøv med:

segRegexObj = new Regex("([a-z][.*][ ]+[A-Z])", options); (mener jeg det er, + siger der skal være en eller flere af et tegn)

md_craig> Det ville nok være mere hensigtsmæssigt at bruge et '+' i stedet for et '*'. Men bortset fra det så er mønstret i forven problematisk.

Det ville værer bedre med:

segRegexObj = new Regex("([a-zæøå]\. +[A-ZÆØÅ])", options);

Personlig bryder jeg mig nu ikke om den løsning eftersom at den betyder at man skal ud i index-gymnastik á la:

    ...
    int NewToPos = (LastPos + (m.Index - LastPos + (m.Length - 1)));
    Consol.WriteLine("From: "+ LastPos.Tostring() + " To: "+NewToPos.ToString());
    ...

md_craig: jo det kunne godt være jeg skulle have kaldt det noget andet. Men som overskriften lyder på så er det os det som er mit problem.

Det eneste jeg skal bruge er start pos og end pos for hver sætning.

Prøver lige de forskellige svar.

Er du kommet vidre med denne her?

??

Svar?

ja det virker perfekt :)

noget helt andet er hvis jeg os vil have den skal dele ved "?"

Kan du give nogle eksempler på hvad du ønsker?

??