Question

以下解决方案在Stack Overflow上提供：expanding-english-language-contractions-in-python

对于宫缩来说，很好。我试图扩展它以处理俚语，但遇到了以下问题。此外，我更倾向于使用1个解决方案来处理所有单词转换（例如：扩展，俚语等）。

我将contractions_dict扩展为正确的俚语，请参阅下面的第3条：

contractions_dict = {
     "didn't": "did not",
     "don't": "do not",
     "ur": "you are"
 }

然而，当我这样做的时候，包括俚语一词（你），如＃34;惊喜＆＃34;我得到了

＆＃34; syou areprise＆＃34;

＆＃34;你＆＃34; ＆＃34;＆＃34;＆＃34;上面嵌入的是＆＃34; ru＆＃34;用来做。

如何在contractions_dict中的某个键上获得完全匹配？

在下面的代码中，我尝试在＆＃34;替换＆＃34;周围嵌入一个更精确的单词匹配正则表达式。函数但收到错误＆＃34; TypeError：必须是str，而不是函数＆＃34;。

代码：

import re

contractions_dict = {
     "didn't": "did not",
     "don't": "do not",
     "ur": "you are"
 }

contractions_re = re.compile('(%s)' % '|'.join(contractions_dict.keys()))
def expand_contractions(s, contractions_dict=contractions_dict):
    def replace(match):
        return contractions_dict[match.group(0)]
    return contractions_re.sub(replace, s)

result = expand_contractions("surprise")
print(result)

# The result is "syou areprise".

# ---
# Try to fix it below with a word match regex around the replace function call. 

contractions_re = re.compile('(%s)' % '|'.join(contractions_dict.keys()))
def expand_contractions(s, contractions_dict=contractions_dict):
    def replace(match):
        return contractions_dict[match.group(0)]
    return contractions_re.sub(r'(?:\W|^)'+replace+'(?!\w)', s)

# On the line above I get "TypeError: must be str, not function"

result = expand_contractions("surprise")
print(result)

Answer 1

你的问题是replace是一个函数的名称，你试图将它连接到一个字符串，这就是为什么这个

return contractions_re.sub(r'(?:\W|^)'+replace+'(?!\w)', s)

正在向您报告您报告的错误。当您致电sub()时，您可以提供替换字符串，或要调用的函数的名称，但是您无法将这两种方法结合起来你正试图这样做。

我会回到你提供sub()函数的原始方法。我认为你缺少的是特殊的正则表达式序列\b。它匹配空字符串，但仅限于字边界。像这样：

contractions_re = re.compile("|".join(r'(\b%s\b)' % c for c in contractions_dict.keys()))

这给出了以下重新模式：

r"(\bdidn't\b)|(\bdon't\b)|(\bur\b)"

这样可以避免讨厌的syou areprise。请注意r'...'字符串表示法。你需要它，以便反斜杠不会让你失望。

这适用于字符串中的多个标记，因为它应该：

>>> expand_contractions("didn't that surprise you")
'did not that surprise you'

但这样做也表明了收缩的逐个令牌替换的局限性。要开始一个问题不是非常 19世纪（实际上他们可能说不是那个即使他们写了不是那个）。现在的英语是，这并不让你感到惊讶。

如何获得一个精确的单词匹配来转换单词重新使用下面的解决方案？

1 个答案: