Estou escrevendo um loop que eu preciso extrair a palavra "conselho" ou "conselhos" e as três palavras seguintes (se existirem) de um conjunto de textos. No entanto, as diferentes soluções que eu escrevo não estão funcionando.
Fato: a regex conselho(?:\\s+\\w+){1,3}
funciona se eu quero "conselho de estado" , mas não para "conselhos de estado", e eu queria pegar as duas expressões.
Primeira tentativa: |
A regex conselho(?:\\s+\\w+){1,3}|conselhos(?:\\s+\\w+){1,3}
em tese funciona, mas no meu loop ela acaba retornando as ocorrências duplicadas. Não entendi exatamente o porquê.
Aqui está um exemplo do que ele encontra:
termo
1 conselhos tanto representantes de
2 conselhos tanto representantes de
3 conselhos tanto representantes de
4 conselhos deveriam ser vistos
5 conselhos deveriam ser vistos
6 conselhos deveriam ser vistos
7 conselho nacional de política
8 conselho nacional de política
Segunda tentativa: +(s)
Na segunda vez eu tentei extrair com a seguinte regex conselho+(s)(?:\\s+\\w+){1,3}
, o resultado foi que ele só encontra os termos "conselhos" e ignora o "conselho"
termo
1 conselhos tanto representantes de
2 conselhos tanto representantes de
3 conselhos tanto representantes de
4 conselhos deveriam ser vistos
5 conselhos deveriam ser vistos
6 conselhos deveriam ser vistos
Qual é a regex correta?