如何在一个句子中将单词与一个完整单词（并且只有完整单词）模糊匹配？

Question

大多数commonly misspelled English words都存在两到三个印刷错误（替换组合 s ，插入 i 或字母删除 d ）从他们正确的形式。即单词对absence - absense中的错误可归纳为1 s ，0 i 和0 d 。

使用 to-replace-re regex python module可以模糊匹配查找单词及其拼写错误。

下表总结了从一些句子中对一个感兴趣的词进行模糊分段的尝试：

• Regex1在word中找到最佳sentence匹配，最多允许2个匹配 错误
• Regex2在word中找到允许的最佳sentence匹配 尝试仅操作（我认为）整个单词时最多2个错误
• Regex3在word允许的时间内找到最佳sentence匹配 只运行（我认为）整个单词时最多2个错误。我不知何故错了。
• Regex4在word允许的时间内找到最佳sentence匹配 最多2个错误（我认为）寻找匹配结束时是一个单词边界

如何编写正则表达式，如果可能的话，在这些单词 - 句子对上消除假阳性和假阴性模糊匹配？

一种可能的解决方案是仅将句子中的单词（由空格包围的字符串或行的开头/结尾）与感兴趣的单词（主要单词）进行比较。如果主要单词和句子中的单词之间存在模糊匹配（e <= 2），则从句子中返回该完整单词（并且只返回该单词）。

代码

将以下数据框复制到剪贴板：

            word                  sentence
0      cub cadet              cub cadet 42
1        plastex              vinyl panels
2            spt  heat and air conditioner
3     closetmaid                closetmaid
4          ryobi           batteries kyobi
5          ryobi       10' table saw ryobi
6  trafficmaster           traffic mast5er

现在使用

import pandas as pd, regex
df=pd.read_clipboard(sep='\s\s+')

test=df
test['(?b)(?:WORD){e<=2}']=df.apply(lambda x: regex.findall(r'(?b)(?:'+x['word']+'){e<=2}', x['sentence']),axis=1)
test['(?b)(?:\wWORD\W){e<=2}']=df.apply(lambda x: regex.findall(r'(?b)(?:\w'+x['word']+'\W){e<=2}', x['sentence']),axis=1)
test['(?V1)(?b)(?:\w&&WORD){e<=2}']=df.apply(lambda x: regex.findall(r'(?V1)(?b)(?:\w&&'+x['word']+'){e<=2}', x['sentence']),axis=1)
test['(?V1)(?b)(?:WORD&&\W){e<=2}']=df.apply(lambda x: regex.findall(r'(?V1)(?b)(?:'+x['word']+'&&\W){e<=2}', x['sentence']),axis=1)

将表格加载到您的环境中。

Answer 1

执行'(?b)\m(?:WORD){e<=2}\M'