Question

我在python中有以下代码，用于查找整个单词是否在文本中。

def findWholeWord(w):
    return re.compile(r'\b({0})\b'.format(w), flags=re.IGNORECASE).search

现在，正则表达式如何找到一个单词是否在10个单词的范围内，例如，假设我有以下字符串：

“Hello，World！程序是一个在显示设备上输出” Hello ，World！“的计算机程序。在大多数编程语言中都是一个非常简单的程序，它通常用于向初级程序员说明构建工作程序的基本语法。它还用于验证语言或系统是否正常运行。“

如果我传递Hello和simple这两个词，它应该匹配，因为它们之间的单词数是＆lt; = 10。

谢谢！

Answer 1

您可以在正则表达式中的两者之间添加(?:\W+\w+){0,10}\W+子模式：

\bhello(?:\W+\w+){0,10}\W+simple\b

请参阅regex demo

正则表达式解释：

\bhello - 整个字hello
(?:\W+\w+){0,10} - 一个或多个非单词字符的0到10个序列，后跟一个或多个单词字符（\w匹配[a-zA-Z0-9_]或所有Unicode字母和数字{{1提供了}}后跟...
re.U - 一个或多个非单词字符（标点符号，空格等）
\W+ - 整个字simple\b

所以，你的代码看起来像

simple

请参阅Python demo

如果单词的位置可以是，则需要添加替代字词：

def findWholeWord(w1,w2):
    return re.compile(r'\b{0}(?:\W+\w+){{0,10}}\W+{1}\b'.format(w1,w2), flags=re.IGNORECASE).search

Another demo

代码：

\bhello(?:\W+\w+){0,10}\W+simple\b|\bsimple(?:\W+\w+){0,10}\W+hello\b

Answer 2

首先进行假设检查。你的findWholeWord（）函数返回一个方法而不是一个模式，所以我猜它的意思是这样调用：

>>> match_result = (findWholeWord("boy"))("Oh boy how complicated!")
>>> match_result.group(0)
'boy'

通常我们会返回一个模式，我们可以在其上应用不同的搜索方法。你已经完成的工作但是把你锁定在一种方法中。

现在让我们讨论\ b（和伴侣\ B）。 \ b运算符匹配您发现的单词边界。但这里的关键概念是什么是“词”。答案是非常狭窄的集合[A-Za-z0-9_] - “单词”不是自然语言单词，而是计算机语言标识符。对于语言自己的解析器，\ b运算符的存在比您使用的更多。

这意味着它无法处理常见的英语情况，如：

>>> match_result = (findWholeWord("won"))("I won't do it")
>>> match_result.group(0)
'won'

对于所有英语都没有简单的答案，无论你提出什么模式，都会有例外。您需要弄清楚您尝试解决的问题的限制是什么。

回到原来的问题，一个近似的解决方案：

def findSeparatedWords(w1, w2, distance):
    return re.compile(r'(\b{0}\b)(\b[^\b]+\b){2}(\b{1}\b)'.format(w1, w2, "{" + str(distance) + '}'), flags=re.IGNORECASE).search

>>> match_result = (findSeparatedWords("Hello", "simple", 3))("Hello, World! is a simple computer program.")
>>> match_result
<_sre.SRE_Match object; span=(0, 25), match='Hello, World! is a simple'>
>>>
>>> match_result = (findSeparatedWords("Hello", "simple", 10))("Hello, World! is a simple computer program.")
>>> match_result
>>>

Answer 3

尝试以下正则表达式：

r'\bHello\s+(\S+\s+){0,10}simple\b'

示例：from this site

Python正则表达式单词距离

3 个答案: