ruby regex：替换POS标记数据中的名词簇

Question

我有POS标签形式的英语短语：the_DT flower_NN pot_NN并希望将所有名词序列组合成一个由下划线分隔的单个名词：the_DT flower_pot_NN。

我正在尝试以下方法：

s.gsub!(/ ([^ ]+)_NN ([^ ]+)_NN/, " #{$1}_#{$2}_NN")

当一行中有多个名词时，此解决方案失败，例如：the_DT monster_NN truck_NN wallpaper_NN，它应该变为the_DT monster_truck_wallpaper_NN。

我该怎么办？

Answer 1

while s.gsub!(/\b(\S+)_NN\s+(\S+)_NN\b/, '\1_\2_NN')
end

你不能在regexp中一次完成所有操作，因为没有提供递归（或迭代）。你做的是，加入相邻的对，然后重复，直到没有相邻的NN。

编辑：修复了更换部件。现在应该工作。

Answer 2

您也可以尝试使用一个全局替换。

s.gsub!(/_NN\s+(?=\b[^ ]+_NN)/, "_");