使用正则表达式在Java中悬挂缩进段落

这篇文章显示了如何使用正则表达式将缩进的长段落挂起。该方法将考虑单词边界，这意味着它将不会破坏缩进单词。为了说明此问题，请考虑以下示例：

近年来，人们越来越努力从自然语言文本中提取实体之间的关系。在这篇论文中，我将集中于认识科学文章中报道的实体之间的生物医学关系的各个方面。

输出应为：

There has been an increasing effort in recent years to extract relations betweenentities from natural language text. In this dissertation, I will focus onvarious aspects of recognizing biomedical relations between entities reportedin scientific articles.

我的方法

我们需要一个正则表达式将段落分成固定长度的字符串序列。假设文本宽度为80，缩进量为3，第一个字符串的长度为80。其余所有字符的长度为77。

该算法的主要过程如下

获取前80个字符
对于其余的字符串，将拆分点替换为三个空格

为了找到分裂点，我们使用正则表达式(.{1,77})\s+ 。该正则表达式搜索一个长度小于等于77并且最后一个字符不是空格的子字符串。找到它之后，我们用$1\n替换组（ $1 ）。因此，java代码应如下所示

String regex = "(.{1,77})\\s+";
String replacement = "   $1\n";
text.replaceAll(regex, replacement);

除了最后一行，此正则表达式工作完美。如果给定的文本不以空格结尾，例如\n ，则最后一行将无法正确处理。考虑最后一行为

in scientific articles.

在最后一次搜索中，正则表达式无法在行尾找到空白，因此它将在“科学”和“文章”之间定位空格。结果，我们将得到

...in scientific
articles.

为了解决这个问题，我在段落末尾添加了一个假的“ \ n”。格式化后，我将其删除。

代码的其他部分很简单。在这里，我附上我的源代码。我使用Apache公共库来生成缩进空间并声明缩进的有效性。有关最新代码，您可以查看我的Github

/*** Format a paragraph to that has all lines but the first indented.* * @param text text to be formatted* @param hangIndent hanging indentation. hangIndent >= 0* @param width the width of formatted paragraph* @param considerSpace true if only split at white spaces.* @return*/public static String hangIndent(String text, int hangIndent, int width,boolean considerSpace) {Validate.isTrue(hangIndent >= 0,"hangIndent should not be negative: %d",hangIndent);Validate.isTrue(width >= 0, "text width should not be negative: %d",width);Validate.isTrue(hangIndent < width,"hangIndent should not be less than width: "+ "hangIndent=%d, width=%d",hangIndent,width);StringBuilder sb = new StringBuilder(text.substring(0, hangIndent));// Needed to handle last line correctly.// Will be trimmed at lasttext = text.substring(hangIndent) + "\n";// hang indentString spaces = org.apache.commons.lang3.StringUtils.repeat(' ', hangIndent);String replacement = spaces + "$1\n";String regex = "(.{1," + (width - hangIndent) + "})";if (considerSpace) {regex += "\\s+";}text = text.replaceAll(regex, replacement);// remove first spaces and last "\n"text = text.substring(hangIndent, text.length() - 1);return sb.append(text).toString();}