Fließtext in Sätze separieren

mrtn.lxo · 8. September 2015, 22:42

Liebes Forum,

ich möchte einen Fließtext (String) in ein String-Array bestehend aus den einzelnen Sätzen umwandeln. Punkte, Ausrufe- sowie Fragezeichen (jeweils mit folgendem Leerzeichen) müssten also als "trennend" erkannt werden.

Ich bin auf componentsSeparatedByString gestoßen, kann hier jedoch nur einen einzelnen trennenden String definieren, z.B. "? ". Gibt es evtl. einen Weg, dies mit RegEx zu kombinieren? Ein weiteres Problem von componentsSeparatedByString ist leider auch, dass der separierende String selbst leider entfernt wird, die Satzzeichen sollen aber erhalten bleiben.

Freue mich über jede Hilfe!

Viele Grüße und Dank vorab

Markus Müller · 9. September 2015, 00:14

Wie wärs denn mit developer.apple.com/library/io…paratedByCharactersInSet: ?

mrtn.lxo · 9. September 2015, 00:34

Damit geht leider auch der definierte separator verloren (und ich brauche die Satzzeichen weiterhin)

mattik · 9. September 2015, 02:51

Dann würde ich einen NSScanner nehmen (nicht lange darüber nachgedacht, wahrscheinlich abwechselnd scanUpToCharactersFromSet:intoString: und scanCharactersFromSet:intoString:). Sind ein paar Zeilen mehr, dafür hat man die Trennzeichen. Und Trenner wie Ellipsen ("...") oder "?!?" hat man damit auch gleich abgefrühstückt.

gritsch · 9. September 2015, 08:14

Ja, NSScanner ist da wohl die richtige methode, aber bedenke dass in einigen sprachen zb noch ein leerzeichen VOR dem fragezeichen komm (und vielleicht auch in anderen fällen).
das ganze sollte wohl nicht nur trennen wenn hinter dem zeichen (punkt, rufezeichen, fragezeichen, ...) ein space kommt, sondern auch wenn ein newline (\n, \r) kommt oder?

plasmatron · 9. September 2015, 10:41

Mit der NSString-Methode enumerateSubstringsInRange(_:options:usingBlock:) kann man Strings auch in Sätze aufsplitten.

Für mehr Kontrolle gibts noch CFStringTokenizer.

mrtn.lxo · 11. September 2015, 15:32

Danke für eure Hilfe! Ich habe ergänzend dazu eine schöne Lösung auf StackOverflow mit dem NSLinguisticTagger gefunden:

Quellcode

func splitTextIntoSentences(source source: String) -> Array<String> {
let s = source
var r = [Range<String.Index>]()
let t = s.linguisticTagsInRange(s.characters.indices, scheme: NSLinguisticTagSchemeLexicalClass, tokenRanges: &r)
var result = [String]()
let ixs = t.enumerate().filter { $0.1 == "SentenceTerminator" }.map {r[$0.0].startIndex}
var prev = s.startIndex
for ix in ixs {
let r = prev...ix
result.append(
s[r].stringByTrimmingCharactersInSet(
NSCharacterSet.whitespaceCharacterSet()))
prev = ix.advancedBy(1)
}
return result
}

Alles anzeigen

(Quelle stackoverflow.com/questions/32…paragraphs-into-sentences)