- Поисковые системы
- Практика оптимизации
- Трафик для сайтов
- Монетизация сайтов
- Сайтостроение
- Социальный Маркетинг
- Общение профессионалов
- Биржа и продажа
- Финансовые объявления
- Работа на постоянной основе
- Сайты - покупка, продажа
- Соцсети: страницы, группы, приложения
- Сайты без доменов
- Трафик, тизерная и баннерная реклама
- Продажа, оценка, регистрация доменов
- Ссылки - обмен, покупка, продажа
- Программы и скрипты
- Размещение статей
- Инфопродукты
- Прочие цифровые товары
- Работа и услуги для вебмастера
- Оптимизация, продвижение и аудит
- Ведение рекламных кампаний
- Услуги в области SMM
- Программирование
- Администрирование серверов и сайтов
- Прокси, ВПН, анонимайзеры, IP
- Платное обучение, вебинары
- Регистрация в каталогах
- Копирайтинг, переводы
- Дизайн
- Usability: консультации и аудит
- Изготовление сайтов
- Наполнение сайтов
- Прочие услуги
- Не про работу
Авторизуйтесь или зарегистрируйтесь, чтобы оставить комментарий
Для чистки текстовки пользуюсь скриптом или десктопной программой - (до чего руки быстрее дотянутся:))
Очень часто в текстах попадаются сокращения, типа, "т.к." или "см. стр. такую-то" и после очистки в некоторых предложениях последнее слово получается очень короткое и вообще смотрится "не фонтан". Есть ли регулярное выражение, которое бы позволило удалять предложение в котором последнее слово перед точкой короче четырех символов?
У тебя текст в чём в юникоде? Делаешь замену "(\s\w{1,3})\." на "." Если у тебя русский язык и не юникод, то можешь попробовать "(\s\S{1,3})\.", но сюда и цифры попадут. Вывод лучше перевести в юникод. А вообще если вопросы будут по парсингу пиши сюда постараюсь помочь.
Если надо выпилить всё предложение то "[^\.!?]+?\s\w{1,3}[\.!?]". Полагаю что не все предложения повествовательные ;)
Спасибо. Попробую.