Question

考虑以下带有POS标签的字符串：

It/PRP was/VBD not/RB okay/JJ or/CC funny/JJ and/CC I/NN will/MD never/RB buy/VB 
from/IN them/PRP ever/RB again/RB

(It was not okay or funny and I will never buy from them ever again)

我想完成以下任务：

检查否定副词（RB）与定义的数组（'not'，'never'）
如果匹配，请删除副词
将“not-”连接到每个后续形容词（JJ），副词（RB）或动词（过去时的VB或VBN）的开头
删除所有POS标签（/ XX）

因此，所需的输出将是：

It was not-okay or not-funny and I will not-buy from them not-ever not-again

我的第一个想法是以我知道的方式做到这一点：在空间上爆炸字符串，然后将“/”上的每个单词分解为[JJ =＆gt;好的]，然后制作一个switch语句来处理每个单词（例如JJ：连接等），但这看起来很草率。有没有人有更干净和/或更有效的方法，例如正则表达式？字符串已经过预先清理，所以它们总是只包含单词（没有标点符号，其他字符比a-z等）。

编辑：我知道，顺便说一下这种对待否定的方式的基本特征，但它足以满足我的需要。会有错误余量，但没关系：）

Answer 1

让我试试。关于使用正则表达式进行处理的问题，

$s = "It/PRP was/VBD not/RB okay/JJ or/CC funny/JJ and/CC I/NN will/MD 
      never/RB buy/VB from/IN them/PRP ever/RB again/RB";

检查否定副词（RB）与定义的数组（'not'，'never'）
如果匹配，请删除副词

换句话说，删除任何“not”和“never”后跟“/ RB”。
```
$s = preg_replace("/(not|never)\/RB/i", "", $s);
```
将“not-”连接到每个后续形容词（JJ），副词（RB）或动词（过去时的VB或VBN）的开头
```
$s = preg_replace("/(\w+)\/(JJ|RB|VB|VBN)/", "not-$1/$2", $s);
```
删除所有POS标签（/ XX）

假设POS标签全部为大写
```
$s = preg_replace("/\/[A-Z]+/", "", $s);
```
（我的附加步骤）。从上面的正则表达式的结果中删除任何双重空格。
```
$s = preg_replace("/\s+/", " ", $s);
```

输出结果为：

It not-was not-okay or not-funny and I will not-buy from them not-ever not-again

如果你想否定除JJ / RB / VB / VBN之外的其他POS标签，只需修改步骤3（JJ | RB | VB | VBN）上的正则表达式。希望它有所帮助。

Answer 2

我建议使用非正则表达式解决方案，因为正则表达式或非正则表达式方法需要进行多个函数调用。如果有一种方法可以用一个简单的preg_replace_callback()来执行这项任务，我只能想象乍看起来很难理解。我的方法可能与你的原始代码非常相似（但我不知道，因为你没有发布你的代码）。

方法：（Demo）

$string='It/PRP was/VBD not/RB okay/JJ or/CC funny/JJ and/CC I/NN will/MD never/RB buy/VB from/IN them/PRP ever/RB again/RB';

$mods=['JJ','RB','VB','VBN'];  // okay to prefix when called for
$omits=['not','never'];  // strings to be omitted every time
$negbool=false;  // states whether a negative adverb has been found
$array=explode(' ',$string);
foreach($array as $k=>&$v){  // make $v modifiable by reference
    $parts=explode('/',$v);
    // add prefix "not-" to strings who qualify
    if($negbool && in_array($parts[1],$mods) && !in_array($parts[0],$omits)){
        $v="not-{$parts[0]}";
    // omit RB strings that don't qualify for prefixing
    }elseif($parts[1]=='RB'){
        unset($array[$k]);  // remove
        $negbool=true;  // declare that modifiable strings should be modified from this point forward
    // keep only leading substring
    }else{
        $v=$parts[0];
    }
}
echo implode(' ',$array); // glue back together again using spaces

输出：

It was not-okay or not-funny and I will not-buy from them not-ever not-again

根据POS标签写入否定字符串

2 个答案: