Java:从列表(缩写词、缩写词等)中解析单词的文本

鉴于:

• 文本(HTML标记可选)
• 带有缩写和首字母缩写的数据库表(如“etc.”、“s.o.”、“…)

目标:

• 生成一个分析器,查找给定文本中的所有匹配项
• 构建一个小的图形用户界面,让用户选择找到的事件是否匹配(这将按需摆动)
• 用户可以选择忽略匹配项(还必须标记为“要忽略”)。
• 用特殊的XML构造替换任何已接受的事件

我的主要问题是解析器,我提到的GUI只是为了提供一个完整的概述。

任务是构建一个解析器,分析e.x.的文本(一个缩写词),并将其标记为以后的后处理。任何“标记”都必须以XML标记的形式出现,因为周围的环境不接受任何其他内容(我们位于以“spirit”;结尾的CMS的DOM编辑器中)。

有没有人有图书馆的提示,或者有人建了这样的图书馆?您是如何处理或将如何处理以下事项的:

• 两个或多个单词是一个实体
• 句号-句子的一部分或你要找的标记的一部分
• 迭代替换-用户接受第一次出现-即时替换或缓冲?

任何想法,图书馆提示,维基百科文章,无论什么-都是有用的。我没有找到任何相关的问题来回答上述所有方面。