如何修改与 Python 中特定正则表达式匹配的文本?
Posted
技术标签:
【中文标题】如何修改与 Python 中特定正则表达式匹配的文本?【英文标题】:How to modify text that matches a particular regular expression in Python? 【发布时间】:2016-04-05 21:43:23 【问题描述】:我需要在句子中标记否定上下文。算法如下:
-
检测否定符(not/never/ain't/don't/ 等)
检测子句结尾标点符号 (.;:!?)
在这之间的所有单词中添加 _NEG。
现在,我已经定义了一个正则表达式来挑选所有此类事件:
def replacenegation(text):
match=re.search(r"((\b(never|no|nothing|nowhere|noone|none|not|havent|hasnt|hadnt|cant|couldnt|shouldnt|wont|wouldnt|dont|doesnt|didnt|isnt|arent|aint)\b)|\b\w+n't\b)((?![.:;!?]).)*[.:;!?\b]", text)
if match:
s=match.group()
print s
news=""
wlist=re.split(r"[.:;!? ]" , s)
wlist=wlist[1:]
print wlist
for w in wlist:
if w:
news=news+" "+w+"_NEG"
print news
我可以检测并替换匹配的组。但是,我不知道如何在此操作后重新创建完整的句子。同样对于多个匹配,match.groups() 给我错误的输出。
例如,如果我的输入句子是:
I don't like you at all; I should not let you know my happiest secret.
输出应该是:
I don't like_NEG you_NEG at_NEG all_NEG ; I should not let_NEG you_NEG know_NEG my_NEG happiest_NEG secret_NEG .
我该怎么做?
【问题讨论】:
【参考方案1】:首先,您最好将否定前瞻 (?![.:;!?]).)*
更改为否定字符类。
([^.:;!?]*)
然后您需要使用 none 捕获组并删除多余的否定词,因为您已将其包围在 3 个捕获组中,它将返回您的否定词的 3 个匹配项,例如 not
。然后您可以使用re.findall()
查找所有匹配项:
>>> regex =re.compile(r"((?:never|no|nothing|nowhere|noone|none|not|havent|hasnt|hadnt|cant|couldnt|shouldnt|wont|wouldnt|dont|doesnt|didnt|isnt|arent|aint)\b|\b\w+n't\b)([^.:;!?]*)([.:;!?\b])")
>>>
>>> regex.findall(s)
[("don't", ' like you at all', ';'), ('not', ' let you know my happiest secret', '.')]
或者要替换单词,您可以使用 re.sub
与 lambda 函数作为替换器:
>>> regex.sub(lambda x:x.group(1)+' '+' '.join([i+'_NEG' for i in x.group(2).split()])+x.group(3) ,s)
"I don't like_NEG you_NEG at_NEG all_NEG; I should not let_NEG you_NEG know_NEG my_NEG happiest_NEG secret_NEG."
请注意,要捕获标点符号,您还需要将其放入捕获组。然后您可以在编辑后将其添加到re.sub()
的句子末尾。
【讨论】:
这很完美!至于标点符号,我还可以在文本上运行一个简单的标记器,因为无论如何我都必须区分它们和表情符号。谢谢!以上是关于如何修改与 Python 中特定正则表达式匹配的文本?的主要内容,如果未能解决你的问题,请参考以下文章