我正在尝试识别文本中的引文。我可以使用LEX来定义和匹配引文模式。但是，这仅在引用正确时才有效。文档中往往存在很多细微的错误。
这些变化通常不是拼写错误。最常见的错误是缺少标点符号或引用元素。
问题：是否有一些有效的表驱动方法来进行近距离匹配？ LEX的可能变化？或者可能是LEX编程技术（如YACC中的错误）。
答案 0 :(得分：1)
恢复这个问题，因为我看不到有人回答你。
使用通常的正则表达式引擎：否
正如您可能已经发现的那样，对于大多数引擎而言，正则表达式并不是进行近距离匹配或任意单词或短语的最佳工具。当然，在最基本的层面上，\bs?he\b之类的内容会找到he或she ...但要查找interactive等单词中的所有近似匹配项，您和＃39; d必须生成一个正则表达式，在单词中引入了许多排列......既无效又无效。
一个例外
我所知道的一个例外是Matthew Burnett的Python [regex][1]模块。首先，它是一个了不起的引擎，是我所知道的（使用.NET）仅支持无限宽度外观的两个引擎之一。 （JGSoft也支持它，但它与语言无关。）
此引擎具有fuzzymatch模式，可能只是执行您想要的操作。您可以提供成本等式＆＃34; （最大替换数量等）。
您必须将Python连接到您的数据......可能有一个可用的模块。
这是文档的摘录。
正则表达式通常会尝试精确匹配，但有时候是近似的， 或者＆＃34;模糊＆＃34;，对于那些文本存在的情况，需要匹配 搜索可能包含插入，删除或删除形式的错误 替换字符。
模糊正则表达式指定允许哪些类型的错误，以及 可选地，最小值和最大值或仅最大值 允许的每种类型的数量。 （您不能仅指定最小值。）
3种类型的错误是：
插入，由＆＃34; i＆＃34;表示删除，由＆＃34; d＆＃34;表示代换， 由＆＃34; s＆＃34;
表示此外，＆＃34; e＆＃34;表示任何类型的错误。
正则表达式项目的模糊性在＆＃34; {＆＃34;和＆＃34;}＆＃34;后 该项目。
示例：
foo match＆＃34; foo＆＃34;准确
（？：foo）{i}匹配＆＃34; foo＆＃34;，允许插入
（？：foo）{d}匹配＆＃34; foo＆＃34;，允许删除
（？：foo）{s}匹配＆＃34; foo＆＃34;，允许替换
（？：foo）{i，s}匹配＆＃34; foo＆＃34;，允许插入和替换
（？：foo）{e}匹配＆＃34; foo＆＃34;，允许错误
如果指定了某种类型的错误，则表示未指定的任何类型 不允许。
在以下示例中，我将省略该项目并仅写入 模糊性。
{i <= 3}允许最多3次插入，但没有其他类型
{d <= 3}允许最多3次删除，但没有其他类型
{s <= 3}允许最多3次替换，但没有其他类型
{i <= 1，s <= 2}允许最多1次插入和至多2次替换， 但没有删除
{e <= 3}允许最多3个错误
{1＆lt; = e＆lt; = 3}允许至少1和最多3个错误
{i <= 2，d <= 2，e <= 3}允许最多2次插入，最多2次删除， 最多3个错误，但没有替换
还可以说明每种错误的成本和 允许的最高总费用。
示例：
{2i + 2d + 1s <= 4}每个插入成本2，每个删除成本为2 替代成本1，总成本不得超过4
{i <= 1，d <= 1，s <= 1,2i + 2d + 1s <= 4}最多1次插入，最多1次删除， 最多1次替换;每次插入费用2，每次删除费用2， 每次替换费用1，总费用不得超过4
你也可以使用＆＃34;＆lt;＆＃34;而不是＆＃34;＆lt; =＆＃34;如果你想要一个独家最低限度 或者最多：
{e <= 3}允许最多3个错误
{e <4}允许少于4个错误
{0
默认情况下，模糊匹配搜索符合的第一个匹配项 给定约束。 ENHANCEMATCH标志将导致它尝试 改善匹配的拟合（即减少错误的数量） 它找到了。
BESTMATCH标志将使其搜索最佳匹配。
需要注意的其他例子：
regex.search（＆＃34;（dog）{e}＆＃34;，＆＃34; cat and dog＆＃34;）1返回＆＃34; cat＆＃34;因为那个 火柴＆＃34;狗＆＃34;有3个错误，这是在限制内（无限制 允许的错误数量。）
regex.search（＆＃34;（dog）{e＆lt; = 1}＆＃34;，＆＃34; cat and dog＆＃34;）1返回＆＃34;狗＆＃34; （用 领先的空间），因为那匹配＆＃34;狗＆＃34;有1个错误，这是 在限制范围内（允许1个错误）。
regex.search（＆＃34;（？e）（dog）{e＆lt; = 1}＆＃34;，＆＃34; cat and dog＆＃34;）1返回＆＃34;狗＆＃34; （没有前导空格）因为模糊搜索匹配＆＃34;狗＆＃34;同 1个错误，在限制范围内（允许1个错误），以及 （？e）然后尝试更好地适应。
在前两个例子中，后面有完美的匹配 字符串，但在任何情况下都不是第一个可能的匹配。
匹配对象有一个属性fuzzy_counts，它给出了总数 替换，插入和删除的数量。
A＆＃39; raw＆＃39;模糊匹配： regex.fullmatch（r＆＃34;（？：cats | cat）{e＆lt; = 1}＆＃34;，＆＃34; cat＆＃34;）。fuzzy_counts（0,0,1） 0次置换，0次插入，1次删除。
如果使用ENHANCEMATCH标志，则可能更好地匹配： regex.fullmatch（r＆＃34;（？e）（？：cats | cat）{e＆lt; = 1}＆＃34;，＆＃34; cat＆＃34;）。fuzzy_counts（0,0,0） 0个取代，0个插入，0个缺失。