Question

我有一个包含单词的字符串，每个单词都有自己的标记（例如NN / NNP / JJ等）。我想采取包含NNP 令牌的特定重复单词。到目前为止我的代码：

std_logic

代码的结果：

import re sentence = "Rapunzel/NNP Sheila/NNP let/VBD down/RP her/PP$ long/JJ golden/JJ hair/NN in Yasir/NNP" tes = re.findall(r'(\w+)/NNP', sentence) print(tes)

正如我们所见，有3个单词包含NNP，即Rapunzel / NNP Sheila / NNP（彼此相邻）和Yasir / NNP（用其他NNP单词分隔单词）。我的问题是我需要用重复的NNP和另一个来说明这个词。我的预期结果如下：

['Rapunzel', 'Sheila', 'Yasir']

执行此任务的最佳方式是，谢谢。

Answer 1

将组匹配为简单字符串，然后拆分它们：

>>> [m.split() for m in re.findall(r"\w+/NNP(?:\s+\w+/NNP)*", sentence)]
[['Rapunzel/NNP', 'Sheila/NNP'], ['Yasir/NNP']]

Answer 2

使用不同的捕获组，您可以非常接近预期结果。

>>> re.findall(r'((?:\w+/NNP\s*)+)', sentence)
['Rapunzel/NNP Sheila/NNP ', 'Yasir/NNP']

捕获论坛((?:\w+/NNP\s*)+)会将所有\w+/NNP个模式与其间的可选空格分组。

Answer 3

这是一个没有任何正则表达式的替代方案。它使用groupby和split()：

from itertools import groupby

string = "Rapunzel/NNP Sheila/NNP let/VBD down/RP her/PP$ long/JJ golden/JJ hair/NN in Yasir/NNP"
words = string.split()

def get_token(word):
    return word.split('/')[-1]

print([list(ws) for token, ws in groupby(words, get_token) if token == "NNP"])
# [['Rapunzel/NNP', 'Sheila/NNP'], ['Yasir/NNP']]

使用Python中的regex从字符串中提取具有特定字符的单词列表

3 个答案: