Python RegEx 代码检测句子中的特定特征答案

【问题标题】：Python RegEx code to detect specific features in a sentencePython RegEx 代码检测句子中的特定特征
【发布时间】：2019-01-29 02:30:03
【问题描述】：

我创建了一个简单的单词特征检测器。到目前为止，能够找到字符串中的特定特征（混杂在其中），但算法会与某些单词序列混淆。让我举例说明：

from nltk.tokenize import word_tokenize
negative_descriptors = ['no', 'unlikely', 'no evidence of']
negative_descriptors = '|'.join(negative_descriptors)
negative_trailers = ['not present', 'not evident']
negative_trailers = '|'.join(negative_descriptors)

keywords = ['disc prolapse', 'vertebral osteomyelitis', 'collection']

def feature_match(message, keywords, negative_descriptors):
    if re.search(r"("+negative_descriptors+")" + r".*?" + r"("+keywords+")", message): return True
    if re.search(r"("+keywords+")" + r".*?" + r"("+negative_trailers+")", message): return True

以上返回True 用于以下消息：

message = 'There is no evidence of a collection.' 
message = 'A collection is not present.'

这是正确的，因为它暗示我正在寻找的关键字/条件不存在。但是，它会为以下消息返回 None：

message = 'There is no evidence of disc prolapse, collection or vertebral osteomyelitis.'
message = 'There is no evidence of disc prolapse/vertebral osteomyelitis/ collection.'

似乎在第一条消息中匹配“或椎骨骨髓炎”，在第二条消息中匹配“/集合”作为否定匹配，但这是错误的，并暗示消息显示“我正在寻找的条件是存在的” '。它实际上应该返回“True”。

如何防止这种情况发生？

【问题讨论】：

标签： python regex nltk

【解决方案1】：

您发布的代码有几个问题：

negative_trailers = '|'.join(negative_descriptors) 应该是 negative_trailers = '|'.join(negative_trailers )
您还应该像处理其他列表一样将列表关键字转换为字符串，以便将其传递给正则表达式
在你的正则表达式中使用 3 次 'r' 是没有用的

经过这些更正后，您的代码应如下所示：

negative_descriptors = ['no', 'unlikely', 'no evidence of']
negative_descriptors = '|'.join(negative_descriptors)
negative_trailers = ['not present', 'not evident']
negative_trailers = '|'.join(negative_trailers)

keywords = ['disc prolapse', 'vertebral osteomyelitis', 'collection']
keywords = '|'.join(keywords)

if re.search(r"("+negative_descriptors+").*("+keywords+")", message): neg_desc_present = True
if re.search(r"("+keywords+").*("+negative_trailers+")", message): neg_desc_present = True

【讨论】：