如何在Python中修改与特定正则表达式匹配的文本？

Avijit 发表于 Dev

阿维吉特

我需要在句子中标记否定上下文。该算法如下：

检测否定符（不/永远/永远/不要/等等）
检测结束标点的子句（。;：!!）
在此之间的所有单词中添加_NEG。

现在，我定义了一个正则表达式来挑选所有此类事件：

def replacenegation(text):
    match=re.search(r"((\b(never|no|nothing|nowhere|noone|none|not|havent|hasnt|hadnt|cant|couldnt|shouldnt|wont|wouldnt|dont|doesnt|didnt|isnt|arent|aint)\b)|\b\w+n't\b)((?![.:;!?]).)*[.:;!?\b]", text)
    if match:
        s=match.group()
        print s
        news=""
        wlist=re.split(r"[.:;!? ]" , s)
        wlist=wlist[1:]
        print wlist
        for w in wlist:
            if w:
                news=news+" "+w+"_NEG"
        print news

我可以检测并替换匹配的组。但是，我不知道该操作后如何重新创建完整的句子。同样对于多个匹配，match.groups（）给我错误的输出。

例如，如果我的输入句子是：

I don't like you at all; I should not let you know my happiest secret.

输出应为：

I don't like_NEG you_NEG at_NEG all_NEG ; I should not let_NEG you_NEG know_NEG my_NEG happiest_NEG secret_NEG .

我该怎么做呢？

卡斯拉文

首先，您最好将(?![.:;!?]).)*否定的前瞻更改为否定的字符类。

([^.:;!?]*)

然后，您需要使用none捕获组，并为否定词删除多余的捕获组，因为您已将其围住3个捕获组，它将返回3个匹配的否定词，例如not。那么您可以使用re.findall()查找所有匹配项：

>>> regex =re.compile(r"((?:never|no|nothing|nowhere|noone|none|not|havent|hasnt|hadnt|cant|couldnt|shouldnt|wont|wouldnt|dont|doesnt|didnt|isnt|arent|aint)\b|\b\w+n't\b)([^.:;!?]*)([.:;!?\b])")
>>> 
>>> regex.findall(s)
[("don't", ' like you at all', ';'), ('not', ' let you know my happiest secret', '.')]

或使用re.sublambda函数作为替换符来替换单词：

>>> regex.sub(lambda x:x.group(1)+' '+' '.join([i+'_NEG' for i in x.group(2).split()])+x.group(3) ,s)
"I don't like_NEG you_NEG at_NEG all_NEG; I should not let_NEG you_NEG know_NEG my_NEG happiest_NEG secret_NEG."

请注意，要捕获标点符号，您也需要将其放入捕获组。然后，您可以re.sub()在编辑后将其添加到句子末尾。

本文收集自互联网，转载请注明来源。

如有侵权，请联系 [email protected] 删除。