如何修改 Python 中匹配特定正则表达式的文本？

Question

我需要在句子中标记否定语境。算法如下：

检测到否定符（not/never/ain't/don't/等）
检测到以标点结尾的子句 (.;:!?)
将 _NEG 添加到这之间的所有单词。

现在，我已经定义了一个正则表达式来挑选出所有此类事件：

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，我不知道如何在这个操作之后重新创建完整的句子。同样对于多个匹配项，match.groups() 给我错误的输出。

比如我输入的句子是：

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

输出应该是：

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？

Answer 1

首先你最好把否定的look-ahead(?![.:;!?]).)*改成否定的字class.

([^.:;!?]*)

然后你需要使用 none 捕获组并删除多余的否定词，因为你已经用 3 个捕获组包围了它，它将 returns 3 匹配你的否定词，例如not。然后你可以使用 re.findall() 找到所有的匹配项：

>>> 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', '.')]

或者为了替换单词，您可以使用 re.sub 和 lambda 函数作为替换符：

>>> 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，您还需要将其放入捕获组。然后你可以在编辑后re.sub()中的句子末尾添加它。

如何修改 Python 中匹配特定正则表达式的文本？

How to modify text that matches a particular regular expression in Python?

python

regex

nlp

python-2.7