使用 javascript 从字符串自动生成标签答案

【问题标题】：Automatically generate tags from strings with javascript使用 javascript 从字符串自动生成标签
【发布时间】：2012-07-12 07:21:26
【问题描述】：

我需要 - 自动 - 为文本字符串生成标签。在这种情况下，我将使用这个字符串：

var text = 'This text talks about loyalty in the Royal Family with Príncipe Charles';

我当前的实现，为 6+ 个字符长的单词生成标签，它工作正常。

words = (text).replace(/[^a-zA-Z\s]/g,function(str){return '';});
words = words.match(/\w{6,}/g);
console.log(words);

这将返回：

["loyalty","Family","Prince","Charles"]

问题是有时，标签应该是一组特定的单词。我需要的结果是：

["loyalty","Royal Family","Príncipe Charles"]

这意味着，替换/匹配代码应该测试：

6 个字符长（或更多）的单词；和/或
如果一组单词以大写字母开头，则这些单词应在同一个数组元素中连接在一起。如果某些单词的长度少于 6 个字符，则无关紧要 - 但其中至少一个必须是 6+，例如：“Stop at The UK Guardián in London”应该返回 ["The UK Guardián", "伦敦”]

我显然在第二个要求方面遇到了麻烦。有任何想法吗？谢谢！

【问题讨论】：

标签： javascript regex replace match

【解决方案1】：

var text = 'This text talks about loyalty in the Royal Family with Prince Charles. Stop at The UK Guardian in London';

text.match(/(([A-Z]\w*\s*){2,})|(\w{6,})/g)

将返回

["loyalty", "Royal Family ", "Prince Charles", "The UK Guardian ", "London"]

要满足第二个要求，最好对找到的匹配项运行另一个正则表达式：

var text = 'This is a Short Set Of Words about the Royal Family'

matches = text.match(/(([A-Z]\w*\s*){2,})|(\w{6,})/g)
matches.filter(function(m) {
    return m.match(/\w{6,}/)
});

【讨论】：

这似乎可行，但它也会匹配 'I Am Cool'，这不是匹配项，因为没有一个单词有 >= 6 个字符。
+1，这次更新做得很好。这似乎就像OP想要的那样工作:-)
很好的解决方案！只是一件重要的事情，解决方案应该考虑特殊字符。例如，“Prince Hermione”正在返回 [“Hermione”]；并且“superhábilmente”正在返回 ["superh","bilmente"]
@andufo：是的。 \w、\d 和朋友在 javascript 中不支持 unicode（真可惜！）
@andufo：你可以用明确的字符类替换\w，比如[\wéáè]

【解决方案2】：

好的，这是一个想法。这可能不是最好的方法，但对您来说可能是一个好的开始。

为了匹配Royal Family 和Prince Charles 甚至The United Kingdom 之类的字符串，您可以编写一个正则表达式来查找连续以大写字母开头的单词。

这可能看起来像这样：(A-Z(a-z){5,}* )+

然后您可以使用替换函数生成一个删除匹配项的新字符串，然后使用您的原始正则表达式匹配最小长度的单个单词。

更新：为了回应关于其他用户回答的评论，我添加了{5,} 修饰符以指示一个大写字母后跟五个或多个小写字母和一个空格，一个或更多次。

【讨论】：