使用Perl提取单词

Question

我喜欢从文本中提取单词。我写了简单的正则表达式。

my $regex = qr[\W]; 
while(<DATA>){ 
    push @words, split $regex; 
} 

我喜欢修改它以包含专有名称。适当的名字可以组合多个“单词”。例如..

@names = ('John Smith', 'Joe Smith'); 

Answer 1

我不认为这是一个明确的解决方案。正则表达式在诸如网页或具有许多异常的书籍的复杂文本空间中是有限的，例如，关于书名呢？看看使用1）自然语言处理还是2）一种索引方法，您可以识别两个单词，以大写字母开头，分隔一个空格，并查看它们中的一个是否包含已知姓或名的索引。祝你好运。

Answer 2

也许：

!/usr/bin/env perl 
use strict; 
use warnings; 
use Data::Dumper; 
my @words; 
while(<DATA>){ 
    push @words, $1 if m{([A-Z]\w*\s+[A-Z]\w*)}; 
} 
for my $name (@words) { 
    print "$name\n"; 
} 
print Dumper \@words; 
__DATA__ 
John Smith I am 
He is Joe Smith 
John Doe 
Sam 
Sally 
Sally Girl