在句子字符串中查找单词的不同实现-Python

（这个问题是关于一般的字符串检查，而不是自然语言过程本身，但如果您将其视为NLP问题，请设想它不是当前分析器可以分析的语言，为简单起见，我将使用英语字符串作为示例。）

让我们假设一个单词只有6种可能的实现形式

首字母大写

其复数形式带有“s”

其复数形式带有“es”

大写+“es”

大写+“s”

没有复数或大写的基本形式

假设我想找到第一个实例的索引任何形式的单词

coach

出现在一个句子中，有没有更简单的方法来实现这两种方法：

长if条件

sentence = "this is a sentence with the Coaches"
target = "coach"

print target.capitalize()

for j, i in enumerate(sentence.split(" ")):
  if i == target.capitalize() or i == target.capitalize()+"es" or \
     i == target.capitalize()+"s" or i == target+"es" or i==target+"s" or \
     i == target:
    print j

迭代尝试，除了

variations = [target, target+"es", target+"s", target.capitalize()+"es",
target.capitalize()+"s", target.capitalize()]

ind = 0
for i in variations:
  try:
    j == sentence.split(" ").index(i)
    print j
  except ValueError:
    continue

---

我建议看一下NLTK的stem包：

使用它，你可以“从单词中删除形态词缀，只留下词干。词干提取算法旨在删除语法角色、时态、派生词缀所需的词缀，只留下词干。”

如果您的语言目前未被NLTK覆盖，则应考虑扩展NLTK。如果您真的需要一些简单的东西，并且不需要为NLTK操心，那么您仍然应该将代码编写为一个小的、易于组合的实用程序函数集合，例如：

import string 

def variation(stem, word):
    return word.lower() in [stem, stem + 'es', stem + 's']

def variations(sentence, stem):
    sentence = cleanPunctuation(sentence).split()
    return ( (i, w) for i, w in enumerate(sentence) if variation(stem, w) )

def cleanPunctuation(sentence):
    exclude = set(string.punctuation)
    return ''.join(ch for ch in sentence if ch not in exclude)

def firstVariation(sentence, stem):
    for i, w  in variations(sentence, stem):
        return i, w

sentence = "First coach, here another two coaches. Coaches are nice."

print firstVariation(sentence, 'coach')

# print all variations/forms of 'coach' found in the sentence:
print "\n".join([str(i) + ' ' + w for i,w in variations(sentence, 'coach')])

---

形态学是一种典型的有限状态现象，因此正则表达式是处理它的完美工具。构建一个RE，该RE使用以下函数匹配所有案例：

def inflect(stem):
    """Returns an RE that matches all inflected forms of stem."""
    pat = "^[%s%s]%s(?:e?s)$" % (stem[0], stem[0].upper(), re.escape(stem[1:]))
    return re.compile(pat)

用法：

>>> sentence = "this is a sentence with the Coaches"
>>> target = inflect("coach")
>>> [(i, w) for i, w in enumerate(sentence.split()) if re.match(target, w)]
[(6, 'Coaches')]

---

如果拐点规则比这更复杂，考虑使用。

α2和3是相同的。一个应该是“s”而另一个应该是“es”？使用正则表达式会简单得多。它还不是NLTK词干分析器支持的语言。我正在尝试构建一个有限的规则库系统，可以覆盖NLP中的高精度，因此，如果没有注释数据，基于统计分类的词干分析器将不可能实现。但是NLTK应该是查找任何NLP相关任务的第一件事（尽管=）