在python 3中，如何将任何正则表达式应用于标记文本

我有一条短信。我将其标记化并删除stopwords。然后我用python中的stanford POS tagger标记这些单词。目前，我正在使用此代码标记单词并将其写入文件中

tag = nltk.pos_tag(filtered_sentence)
print("tagging the words")
fh = open("Stop_Words.txt", "w+")
for i in range(0,len(filtered_sentence)):
    fh.write((tag[i][0])+" "+(tag[i][1])+"\n")
fh.close()

现在我的文件中有一个类似的列表：

paper NN
parallel NN
programming VBG
practical JJ
Greg NNP
Wilson NNP
intended VBD
scientist NN
interested JJ
... A big List ...

我现在想做的是对它应用一些正则表达式来查找特定的情况。例如，我想要类似（JJ*N+）的东西，意思是形容词后跟任何名词。因为NN，NNP等都是名词

---

我该怎么做呢。我不知道。任何帮助都将不胜感激。

如果您只需要JJ*N，您可以这样做：

import re

text = '''paper NN
parallel NN
programming VBG
practical JJ
Greg NNP
Wilson NNP
intended VBD
scientist NN
interested JJ
'''

pattern = re.compile('\w+? JJ\n\w+ NN.?', re.DOTALL)

result = pattern.findall(text)
print(result)

import re

text = '''paper NN
parallel NN
programming VBG
practical JJ
Greg NNP
Wilson NNP
intended VBD
scientist NN
interested JJ
'''

pattern = re.compile('(\w+? JJ\n)*(\w+ NN\w?)+', re.DOTALL)

result = pattern.finditer(text)
for element in result:
    print(element.group())
    print('----')

输出

['practical JJ\nGreg NNP']

paper NN
----
parallel NN
----
practical JJ
Greg NNP
----
Wilson NNP
----
scientist NN
----

解释

模式

“\w+？JJ\n\w+NN.？“

匹配一组字母

\w+

，后跟一个空格，后跟一个

\n

，后跟另一组字母，后跟前缀为

NN

的内容。请注意，我包含了这两个词，因为我认为它可能对您的目的有用

更新

如果您想要零个或多个形容词

JJ*

后跟一个或多个名词

NN+

，您可以这样做：

import re

text = '''paper NN
parallel NN
programming VBG
practical JJ
Greg NNP
Wilson NNP
intended VBD
scientist NN
interested JJ
'''

pattern = re.compile('\w+? JJ\n\w+ NN.?', re.DOTALL)

result = pattern.findall(text)
print(result)

import re

text = '''paper NN
parallel NN
programming VBG
practical JJ
Greg NNP
Wilson NNP
intended VBD
scientist NN
interested JJ
'''

pattern = re.compile('(\w+? JJ\n)*(\w+ NN\w?)+', re.DOTALL)

result = pattern.finditer(text)
for element in result:
    print(element.group())
    print('----')

输出

['practical JJ\nGreg NNP']

paper NN
----
parallel NN
----
practical JJ
Greg NNP
----
Wilson NNP
----
scientist NN
----

---

如果你只想要JJ*N，你可以这样做：

import re

text = '''paper NN
parallel NN
programming VBG
practical JJ
Greg NNP
Wilson NNP
intended VBD
scientist NN
interested JJ
'''

pattern = re.compile('\w+? JJ\n\w+ NN.?', re.DOTALL)

result = pattern.findall(text)
print(result)

import re

text = '''paper NN
parallel NN
programming VBG
practical JJ
Greg NNP
Wilson NNP
intended VBD
scientist NN
interested JJ
'''

pattern = re.compile('(\w+? JJ\n)*(\w+ NN\w?)+', re.DOTALL)

result = pattern.finditer(text)
for element in result:
    print(element.group())
    print('----')

输出

['practical JJ\nGreg NNP']

paper NN
----
parallel NN
----
practical JJ
Greg NNP
----
Wilson NNP
----
scientist NN
----

解释

模式

“\w+？JJ\n\w+NN.？“

匹配一组字母

\w+

，后跟一个空格，后跟一个

\n

，后跟另一组字母，后跟前缀为

NN

的内容。请注意，我包含了这两个词，因为我认为它可能对您的目的有用

更新

如果您想要零个或多个形容词

JJ*

后跟一个或多个名词

NN+

，您可以这样做：

import re

text = '''paper NN
parallel NN
programming VBG
practical JJ
Greg NNP
Wilson NNP
intended VBD
scientist NN
interested JJ
'''

pattern = re.compile('\w+? JJ\n\w+ NN.?', re.DOTALL)

result = pattern.findall(text)
print(result)

import re

text = '''paper NN
parallel NN
programming VBG
practical JJ
Greg NNP
Wilson NNP
intended VBD
scientist NN
interested JJ
'''

pattern = re.compile('(\w+? JJ\n)*(\w+ NN\w?)+', re.DOTALL)

result = pattern.finditer(text)
for element in result:
    print(element.group())
    print('----')

输出

['practical JJ\nGreg NNP']

paper NN
----
parallel NN
----
practical JJ
Greg NNP
----
Wilson NNP
----
scientist NN
----

---

---

您看过

re

模块了吗？这是一个python正则表达式问题吗？它真的与

ntlk

或

pos-tagger

有关吗？听起来像是您试图将特定字符串（如

NN

NNP

等）与正则表达式匹配。@timgeb我已经研究了re模块，但我不确定如何将其应用于此问题。我知道我可以用re，试着把它应用到一个句子或什么的。但在我的文件里有一个单词，后面跟着一个标签。我不知道如何在这里使用它。JJ*N+是你想要的唯一模式吗？@DanFarrell我通过标记我的单词从nltk模块得到了结果。我不确定这里是否可以使用相同的模块或与之相关的任何东西。这就是为什么我也标记了nltk。这听起来像是一个正则表达式问题。虽然我是新来的，但如果您能指出我应该贴什么标签，我将不胜感激。我将更改它，以便正确的人能够回答这个问题。您看过

re

模块吗？这是python正则表达式问题吗？它真的与

ntlk

或

pos-tagger

有关吗？听起来像是您试图将特定字符串（如

NN

NNP

等）与正则表达式匹配。@timgeb我已经研究了re模块，但我不确定如何将其应用于此问题。我知道我可以用re，试着把它应用到一个句子或什么的。但在我的文件里有一个单词，后面跟着一个标签。我不知道如何在这里使用它。JJ*N+是你想要的唯一模式吗？@DanFarrell我通过标记我的单词从nltk模块得到了结果。我不确定这里是否可以使用相同的模块或与之相关的任何东西。这就是为什么我也标记了nltk。这听起来像是一个正则表达式问题。虽然我是新来的，但如果您能指出我应该贴什么标签，我将不胜感激。我会修改它，以便正确的人能回答这个问题。这几乎是正确的。除了它应该给NN+权利。纸NN\n平行NN也应该满足这个权利吗？甚至我也在摆弄这样的正则表达式“（\w+？JJ\n）*”（（\w+NN.）+）”。我不知道它是否正确。它给出了“[（“”，'论文NN\n平行NN\n'，'平行NN\n'），（'practical JJ\n'，'Greg NNP'，'Greg NNP'），（“”，'Wilson NNP'，'Wilson NNP'），（“”，'scientist NN\n'，'scientist NN\n'）”作为结果。我觉得我做得很好，但我不能正确地点击它。我在文本示例中运行了该正则表达式，但没有返回

paper NN parallel NN

，事实上它不应该匹配它。你想匹配纸NN平行NN吗？好的，对不起，我不知道。我只是去了一些交互式正则表达式生成器那里试着碰碰运气。无论如何，当我们给出JJ*N+时，N+部分应该正常工作。前两行应该构成输出no？JJ*N+不是有效的Python正则表达式，最接近的是

'JJ.+NN.

我的意思是。我想要这样的东西：“零个或多个形容词后跟一个或多个名词”。我把这句话改成了JJ*N+。这句话我想要一个正则表达式这几乎是正确的。除了它应该给NN+权利。纸NN\n平行NN也应该满足这个权利吗？甚至我也在摆弄这样的正则表达式“（\w+？JJ\n）*”（（\w+NN.）+）”。我不知道它是否正确。它给出了“[（“”，'论文NN\n平行NN\n'，'平行NN\n'），（'practical JJ\n'，'Greg NNP'，'Greg NNP'），（“”，'Wilson NNP'，'Wilson NNP'），（“”，'scientist NN\n'，'scientist NN\n'）”作为结果。我觉得我做得很好，但我不能正确地点击它。我在文本示例中运行了该正则表达式，但没有返回

paper NN parallel NN

，事实上它不应该匹配它。你想匹配纸NN平行NN吗？好的，对不起，我不知道。我只是去了一些交互式正则表达式生成器那里试着碰碰运气。无论如何，当我们给出JJ*N+时，N+部分应该正常工作。前两行应该构成输出no？JJ*N+不是有效的Python正则表达式，最接近的是

'JJ.+NN.

我的意思是。我想要这样的东西：“零个或更多的形容词