Question

原始文本：

（NP（DT a）（JJ小）（NN奇迹））

文本1：

（1-NP（2-DT 3-a）（4-JJ 5-小）（6-NN 7奇迹））**

文本2：

（1-NP（2-DT> 1 3-a）（4-JJ> 1 5-小）（6-NN> 1 7奇迹））**

我想将text1转换为text2。这样做的目的是使用> 1 表示数字2,4，而6的父代是数字1。

我想到了：

line = '(1-NP (2-DT 3-a) (4-JJ 5-small) (6-NN 7-miracle))'
q = re.search(r'^\(([0-9]{1,2})\-NP',line)               # capture the parent number 
i = re.sub(r'( \([^ ]+\b )',r'\1' + q.group(1) ,line)    # using the captured number in re.sub
print(str(i))

运行代码后，我收到错误消息：

raise error, "invalid group reference"
sre_constants.error: invalid group reference

问题出在哪里：

 r'\1' + q.group(1)

所以。如何使用python将text1转换为text2？

Answer 1

在Python中，无法使用sub()和\1等函数来使用\2，扩展替换字符串中的括号组，...（如sed，awk或vi ）。

相反，\g<1>和\g<2>可以在替换字符串中引用组，...

import re

line = '(1-NP (2-DT 3-a) (4-JJ 5-small) (6-NN 7-miracle))'
q = re.search(r'^\(([0-9]{1,2})\-NP',line)
result = re.sub(r' \(([^ ]+?) ([^ ]+?)\)', ' (\g<1>>' + q.group(1) + ' \g<2>)', line)

print result

请注意，第二个正则表达式使用[^ ]+?而不是[^ ]+。问号使+成为所谓的“非贪婪”，这意味着它将匹配字符串的一部分，该字符串应尽可能小而不是尽可能大。后者（尽可能大，贪心）是默认的正则表达式行为。

Answer 2

line = '(2-NP (3-DT 4-Every) (5-NN 6-fossil))'

for i in list(re.finditer(r'\(([0-9]){0,4}\-[A-Z]{2}',line))[1:]:
    line = re.sub(re.sub('\(','\(',i.group(0)),i.group(0)+'>1',line)
print(line)

输出

'(2-NP (3-DT>1 4-Every) (5-NN>1 6-fossil))'

可以在re.sub中使用re.search的结果作为变量吗？

2 个答案: