Python正则表达式测试句子是否有效答案

【问题标题】：Python regex test the sentence is validPython正则表达式测试句子是否有效
【发布时间】：2015-12-31 08:19:03
【问题描述】：

ACTIVE_LIST = ACTOR | ACTIVE_LIST and ACTOR
ACTOR = NOUN | ARTICLE NOUN
ARTICLE = a | the
NOUN = tom | jerry | goofy | mickey | jimmy | dog | cat | mouse

通过应用上述规则，我可以生成

a tom 
tom and a jerry 
the tom and a jerry 
the tom and a jerry and tom and dog

但不是

Tom 
the Tom and me

我可以只使用 python re 模块检查句子是否正确吗？我知道如何通过 [abc] 匹配某些字符，但不知道单词。其实我正在尝试解决这个ACM problem。如果有人帮助我部分，我可以做剩下的。这是我在这个舞台上的第一个问题。任何建议或改进都非常感谢。

【问题讨论】：

查看文档docs.python.org/2/library/re.html，您可以使用 re.IGNORECASE。和 [A-Z] 将匹配大小写。
这不是用正则表达式来描述的。这是一个解析问题，像the pyparsing module at PyPI 这样的工具会让你按照作者认为你应该看到的那样看待这个问题。

标签： python regex compiler-construction

【解决方案1】：

使用重新编译

re.compile('tom', re.IGNORECASE)

在以下主题中，您将有其他方法可以不用重新编译。（搜索/匹配）

Case insensitive Python regular expression without re.compile

【讨论】：

【解决方案2】：

是的，您可以将其写为正则表达式模式，因为语法是常规的。正则表达式会很长，但可以以相当直接的方式生成；获得正则表达式后，您只需编译它并将其应用于每个输入。

关键是将常规规则变为重复。例如，

STATEMENT = ACTION | STATEMENT , ACTION

可以变成

ACTION (, ACTION)*

当然，这只是问题的一部分，因为您首先必须将 ACTION 转换为正则表达式才能为 STATEMENT 创建正则表达式。

问题描述掩盖了一个重要问题，即输入不只是由小写字母字符和逗号组成。它还包含空格，正则表达式需要在适当的位置坚持空格。例如，上面的, 可能必须（当然也可能）后跟一个（或多个）空格。如果前面也有一个或多个空格也可以；问题描述不清楚。

所以NOUN 的更正正则表达式实际上会变成：

((a|the) +)?(tom|jerry|goofy|mickey|jimmy|dog|cat|mouse)

（我还发现有趣的是，所提供的语法让VERB 匹配“hatesssssssss”。我不知道这是否是故意的。）

【讨论】：

【解决方案3】：

这可以看作是一个 NLP（自然语言处理）问题。有一个名为 NLTK（自然语言工具包）的特殊 python 模块可以最好地用于解决此任务，比使用正则表达式更容易完成。

1) 首先你需要下载 NLTK (http://www.nltk.org/install.html)

2) 导入 NLTK：

import nltk

3) 创建一个小语法，一个包含四个规则的上下文无关语法 (https://en.wikipedia.org/wiki/Context-free_grammar)。借助 NLTK 的 CFG 模块，您只需一行代码即可轻松完成：

acm_grammar = nltk.CFG.fromstring("""
ACTIVE_LIST -> ACTOR | ACTIVE_LIST 'and' ACTOR
ACTOR -> NOUN | ARTICLE NOUN
ARTICLE -> 'a' | 'the'
NOUN -> 'tom' | 'jerry' | 'goofy' | 'mickey' | 'jimmy' | 'dog' | 'cat' | 'mouse' """)

4) 创建一个将使用 acm_grammar 的解析器：

parser = nltk.ChartParser(acm_grammar)

5) 在一些输入上测试它。输入的句子必须是用逗号分隔的单词（字符串）的列表形式。 split() 方法可用于此：

input= ["a tom", "tom and a jerry", "the tom and a jerry","the tom and a jerry and tom and dog","Tom", "the Tom and me"]

for sent in input:
    split_sent = sent.split()
    try:
        parser.parse(split_sent)
        print(sent,"-- YES I WILL")
    except ValueError:
        print(sent,"-- NO I WON'T")

在最后一步中，我们检查解析器是否可以根据 acm_grammar 解析句子。如果不能，对解析器的调用将导致 ValueError。这是这段代码的输出：

a tom -- YES I WILL
tom and a jerry -- YES I WILL
the tom and a jerry -- YES I WILL
the tom and a jerry and tom and dog -- YES I WILL
Tom -- NO I WON'T
the Tom and me -- NO I WON'T

【讨论】：

我赞成您的回答，因为这比过去更好。 tnx 阅读链接。最佳答案将被接受。
这有点像用大锤打苍蝇。它完成了这项工作，但如果 OP 的（未说明的）愿望是理解解析，那就丢失了。

【解决方案4】：

想了很多，自己解决了

ARTICLE = ( 'a', 'the')
NOUN = ('tom' , 'jerry' , 'goofy' , 'mickey' , 'jimmy' , 'dog' , 'cat' , 'mouse')

all_a = NOUN +tuple([' '.join([x,y]) for x in ARTICLE for y in NOUN])


def aseKi(str):
    return str in all_a

st = 'the tom and jerry'
st1 = 'tom and a jerry'

st2 = 'tom and jerry and the mouse'

st = 'tom and goofy and goofy and the goofy and a dog and cat'

val = st.split('and')

nice_val = [x.strip() for x in val]


s = [aseKi(x) for x in nice_val]

if all(s):
    print 'YES I WILL'
else:
    print "NO I WON'T"

【讨论】：