Question

我正在尝试使用正则表达式（并且没有NLTK）构建一个chunker（或浅层解析器），但是不能提出一个能够做我想做的事情的正则表达式。这是我的直接目标：在自然语言文本中查找所有名词短语。

我的第一步是使用自制的词性标记器标记所有句子，然后将令牌/标记对列表加入到单个字符串中，如下所示：

'he PRN and CC bill NP could MOD hear VB them PRN on IN the DT large JJ balcony NN near IN the DT house NN'

我的下一步是使用正则表达式在字符串中搜索名词短语的实例。现在，名词短语的一般语言公式是：可选的确定词（DT），零个或多个形容词（JJ），以及名词（NN），专有名词（NP）或代词（PRN）。鉴于这个通用公式，我尝试了这个正则表达式（请记住标记的字符串在单词和标签之间交替）：

'(\w+ DT)? (\w+ JJ)* (\w+ (NN|NP|PRN))'

这是我的代码：

text = 'he PRN and CC bill NP could MOD hear VB them PRN on IN the DT large JJ balcony NN near IN the DT house NN'

regex = re.compile(r'(\w+ DT)? (\w+ JJ)* (\w+ (NN|NP|PRN))')
m = regex.findall(text)

if m:
     print m

这是我的输出：

[('the DT', 'large JJ', 'balcony NN', 'NN')]

它没有找到代词或专有名词，并且由于某种原因只匹配＆＃39; \ w + DT \ w + NN＆＃39;中的NN。图案。我假设我的正则表达式与这些用户匹配，因为我将确定器模式设置为可选（？），将形容词模式设置为零或更多次（*）。

克里斯

Answer 1

使用此：

(?:(?:\w+ DT )?(?:\w+ JJ )*)?\w+ (?:N[NP]|PRN)

请参阅demo。

(?:(?:\w+ DT )?(?:\w+ JJ )*)?可选地匹配DT，然后是零或更多的ajectives
＆＃39; \ w +（？：N [NP] | PRN）＆＃39;匹配NN，NP或PRN

Answer 2

你的正则表达式是，

(\w+ DT)? (\w+ JJ)*|(\w+ (?:NN|NP|PRN))

DEMO

设计正则表达式以找到任何名词短语

2 个答案: