Python 正则表达式匹配句子的一部分

我试图在下一个标点之前找到一个否定词后面的句子部分（例如，不，不能，不），并在该部分句子的每个单词末尾附加“_not”，例如： “我真的很喜欢火鸡，但不喜欢鸡肉加西红柿，因为我过敏”变成了一句话 “我真的很喜欢火鸡，但不喜欢鸡肉，不喜欢西红柿，因为我过敏。”

最初，我的方法是运行如下所示的正则表达式：

(dont|cant|not)(.*)[!?,.]

要获得我感兴趣的句子部分，请逐字附上_NOT，然后运行str.replace（oldPartOfSentence，newPartOfSentence）

这几乎是可行的，但搜索并不贪婪，如果我在以后有一个标点符号，它会找到一个比它需要的句子更长的部分。此外，如果我有一个否定词，它也不支持这种情况，但它后面没有标点符号（那么它应该为从否定词到字符串末尾的每个词添加否定）

例如，在示例语句中运行regex

[('not', ' chicken with tomatoes')]

但如果我在结尾有句号，我会得到：

[('not', " chicken with tomatoes, because I'm allergic")]

我该如何解决这个问题，是否有更有效的解决方案？例如，是否有一种方法可以更新正则表达式以通过re.sub（）自动在句子末尾附加“\u NOT”？

Per，只需将

*

更改为

*？

，使其不贪婪即可

您无法使用单个正则表达式AFAICT进行替换（请参见中的原因），但一组链式替换将起作用：

def add_nots(m):
    notty, following = m.groups()
    return notty + re.sub(r'(\S+)', r'\1_NOT', following)

notted = re.sub(r'(dont|cant|not)(.*?)(?=[!?,.]|$)', add_nots, original_string)

注意：我对正则表达式做了额外的修改，使用积极的前瞻断言来避免捕获终止标点符号（或行尾，这是一个更改；当notted line组件在字符串末尾结束时，仅使用非贪婪修复程序提供的原始版本将不匹配，而不是使用一个已识别的标点符号），因此标点符号/行尾不需要被

sub

替换函数捕获和复制

此外，如果您要经常这样做，并且与其他正则表达式混杂在一起，您可能希望预编译正则表达式对象，而不是依赖

re

缓存：

# One-time, up front, compile
word_finder = re.compile(r'(\S+)')
not_finder = re.compile(r'(dont|cant|not)(.*?)(?=[!?,.]|$)')

def add_nots(m):
    notty, following = m.groups()
    return notty + word_finder.sub(r'\1_NOT', following)

notted = not_finder.sub(add_nots, original_string)

---

将

*

更改为

*？

。谢谢，这解决了问题的第一部分。是否可以制作一些同时附加“\u NOT”的正则表达式对于匹配字符串中的每个单词？@Limonup：我不这么认为，不是直接的。我最初想尝试使用肯定的查找后断言，检查不相似的单词，并在不插入标点的情况下匹配紧跟其后的每个单词，但至少对于Python，查找后断言必须是固定宽度，并尝试向前搜索点击问题：搜索不处理重叠匹配，而需要省略匹配不相似词本身造成的匹配（AFAICT）也不切实际。你需要链接regex调用。我不知道有自动更新的regex。你最好匹配你需要的，然后应用你想要的。编辑：注意：

add\u nots

可以是一个内联的

lambda

，它显式地调用

m.group（1）

和

m.group（2）

而不是解包

m.groups（）

然后使用命名的值（事实上，在测试时，我就是这样做的）。但是为了避免编写不可读的单行程序（尤其是这样，您需要查看所涉及的组件），我坚持使用一个独立定义的命名函数，该函数将流程分解为逻辑组件，并使用自文档名称。谢谢，这太完美了。