我正在尝试使用python及其正则表达式查找所有可能的单词/标记对或其他嵌套组合。
sent = '(NP (NNP Hoi) (NN Hallo) (NN Hey) (NNP (NN Ciao) (NN Adios)))'
def checkBinary(sentence):
n = re.findall("\([A-Za-z-0-9\s\)\(]*\)", sentence)
print(n)
checkBinary(sent)
Output:
['(NP (NNP Hoi) (NN Hallo) (NN Hey) (NNP (NN Ciao) (NN Adios)))']
寻找:
['(NP (NNP Hoi) (NN Hallo) (NN Hey) (NNP (NN Ciao) (NN Adios)))',
'(NNP Hoi)',
'(NN Hallo)',
'(NN Hey)',
'(NNP (NN Ciao) (NN Adios))',
'(NN Ciao)',
'(NN Adios)']
我认为正则表达式公式也可以找到嵌套的括号单词/标记对,但它不会返回它们。我应该怎么做?
实际上,不可能使用正则表达式来做到这一点,因为正则表达式表达了一种由正则语法定义的语言,该语言可以通过非限定性自动机来解决,其中匹配由状态表示;然后要匹配嵌套的括号,您需要能够匹配无限数量的括号,然后拥有一个具有无限数量状态的自动机。
为了解决这个问题,我们使用所谓的下推式自动机,用于定义上下文无关文法。
因此,如果您的正则表达式与嵌套括号不匹配,那是因为它表示以下自动机,并且与您输入的任何内容都不匹配:
作为参考,请查看麻省理工学院有关该主题的课程:
因此,有效解析字符串的方法之一是为嵌套括号建立语法(pip install pyparsing
第一个):
>>> import pyparsing
>>> strings = pyparsing.Word(pyparsing.alphanums)
>>> parens = pyparsing.nestedExpr( '(', ')', content=strings)
>>> parens.parseString('(NP (NNP Hoi) (NN Hallo) (NN Hey) (NNP (NN Ciao) (NN Adios)))').asList()
[['NP', ['NNP', 'Hoi'], ['NN', 'Hallo'], ['NN', 'Hey'], ['NNP', ['NN', 'Ciao'], ['NN', 'Adios']]]]
注意:存在一些正则表达式引擎,它们确实使用下推实现嵌套的括号匹配。默认的pythonre
引擎不是其中之一,但是存在一个替代引擎,称为regex
(pip install regex
),它可以进行递归匹配(这使得re引擎上下文不受约束),请参见以下代码段:
>>> import regex
>>> res = regex.search(r'(?<rec>\((?:[^()]++|(?&rec))*\))', '(NP (NNP Hoi) (NN Hallo) (NN Hey) (NNP (NN Ciao) (NN Adios)))')
>>> res.captures('rec')
['(NNP Hoi)', '(NN Hallo)', '(NN Hey)', '(NN Ciao)', '(NN Adios)', '(NNP (NN Ciao) (NN Adios))', '(NP (NNP Hoi) (NN Hallo) (NN Hey) (NNP (NN Ciao) (NN Adios)))']
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句