Question

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可以找到嵌套的括号词/标签对，但它并没有返回它们。我该怎么做？

Answer 1

实际上不可能通过使用正则表达式来实现这一点，因为正则表达式表达由常规语法定义的语言，可以通过非有限确定性自动机来解决，匹配由状态表示;然后，为了匹配嵌套的括号，你需要能够匹配无数个括号，然后有一个具有无限数量状态的自动机。

为了能够应对这种情况，我们使用所谓的下推自动机，用于定义 上下文免费 语法。

因此，如果您的正则表达式与嵌套的括号不匹配，那是因为它表示以下自动机并且与输入中的任何内容都不匹配：

Regular expression visualization

Play with it

作为参考，请查看麻省理工学院关于该主题的课程：

因此，有效解析字符串的方法之一是为嵌套括号（pip install pyparsing首先）构建语法：

>>> 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']]]]

N.B。：存在一些使用下推实现嵌套括号匹配的正则表达式引擎。默认的python re引擎不是其中之一，但存在一个替代引擎，称为regex（pip install regex），它可以进行递归匹配（这使得引擎上下文无关），cf this code snippet：

>>> 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)))']

Answer 2

现代语言中使用的正则表达式不代表常规语言。 zmo说得对，语言Theroy中的常规语言由有限状态自动机表示，但使用任何类型的回溯的正则表达式，如现代语言中使用的捕获组，外观等等，不能用语言中已知的FSA表示理论。如何使用DFA或偶数和NFA表示类似（\ w +）\ 1的模式？

您正在寻找的正则表达式可能是这样的（只匹配两个级别）：

(?=(\((?:[^\)\(]*\([^\)]*\)|[^\)\(])*?\)))

我在http://regexhero.net/tester/

上对此进行了测试

匹配在捕获的组中：

1：（NP（NNP Hoi）（NN Hallo）（NN Hey）（NNP（NN Ciao）（NN Adios））

1：（NNP Hoi）

1：（NN Hallo）

1：（NN嘿）

1 :( NNP（NN Ciao）（NN Adios））

1：（NN Ciao）

1：（NN Adios）

如何在python中找到所有可能的正则表达式匹配？

2 个答案: