解析或提取数据以输入数据库

Question

我有以下文本文件：

VERDICT: 
MR. FOREMAN:  Guilty.        
THE COURT:  Accused and, you have been found guilty on the charges as you have heard the Foreman for the jury say.  You are remanded.  I have requested a probation report and you are remanded until sentencing, until the Court receives the probation report. 
THE COURT:  Mr. Foreman and members of the jury, on behalf of the administration of justice   
THE CLERK:  Joh Doe the jury have found you guilty.  Have you anything to say before Her Ladyship, the Judge, proceeds to sentence you?                      
SENTENCE:
THE COURT:  John Doe.

我想使用诸如判决、工头、法庭、书记员、句子等关键字作为标签来将此信息输入数据库。请告诉我如何提取这些单词来创建标签以形成 xml 文档并将其放入数据库中。我一直在使用正则表达式和数据提取进行搜索，但尚未找到任何内容。

Answer 1

您有预期标签的列表吗？

• 如果有，哪一部分不清楚？
  • 只需从 XML 中提取所有相关字符串（使用任何解析器，您没有提到语言，因此无法给出示例）。
  • 应用包含允许标签的正则表达式，如果匹配则添加该标签。
  • PS：如果您有太多标签和/或太多数据而无法处理，则将一个正则表达式/标签应用于每个输入字符串可能不会获得最佳性能。
• 如果不是，那么我想您应该假设某些单词是标签并添加它们。虽然我不喜欢这个想法（通常我希望用户思考并给我他想要标记他的输入的标签）我能想到的一种方法是列出你不想用作标签的单词列表（例如“and”，“or”，“I”，“we”，...），使用正则表达式替换删除所有这些单词，取剩余单词