如何修改与 Python 中特定正则表达式匹配的文本？

Question

我需要在句子中标记否定上下文。算法如下：

1. 检测否定符（not/never/ain't/don't/ 等）
2. 检测子句结尾标点符号 (.;:!?)
3. 在这之间的所有单词中添加 _NEG。

现在，我已经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，我不知道如何在此操作后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，您最好将否定前瞻 (?![.:;!?]).)* 更改为否定字符类。

([^.:;!?]*)

然后您需要使用 none 捕获组并删除多余的否定词，因为您已将其包围在 3 个捕获组中，它将返回您的否定词的 3 个匹配项，例如 not。然后您可以使用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', '.')]

或者要替换单词，您可以使用 re.sub 与 lambda 函数作为替换器：

>>> 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。然后您可以在编辑后将其添加到re.sub()的句子末尾。