Python 设计正则表达式以查找任何名词短语

我正在尝试使用正则表达式（并且没有NLTK）构建一个分块器（或浅层解析器），但无法找到一个能够实现我所希望的功能的正则表达式。我的近期目标是：在自然语言文本中找到所有名词短语

我的第一步是用自制的词性标记器标记所有句子，然后将标记/标记对列表加入一个字符串，如下所示：

'he PRN and CC bill NP could MOD hear VB them PRN on IN the DT large JJ balcony NN near IN the DT house NN'

我的下一步是使用正则表达式在字符串中搜索名词短语的实例。现在，名词短语的一般语言公式是：可选限定词（DT）、零个或多个形容词（JJ）和名词（NN）、专有名词（NP）或代词（PRN）。根据这个一般公式，我尝试了这个正则表达式（请记住，标记字符串在单词和标记之间交替）：

这是我的密码：

text = 'he PRN and CC bill NP could MOD hear VB them PRN on IN the DT large JJ balcony NN near IN the DT house NN'

regex = re.compile(r'(\w+ DT)? (\w+ JJ)* (\w+ (NN|NP|PRN))')
m = regex.findall(text)

if m:
     print m

这是我的输出：

[('the DT', 'large JJ', 'balcony NN', 'NN')]

它找不到代词或专有名词，出于某种原因，它只在'\w+DT\w+NN'模式中匹配'NN'。我假设我的正则表达式将匹配这些patersn，因为我将限定符模式a s可选（？）和形容词模式设置为零次或多次（*）

克里斯

用这个：

(?:(?:\w+ DT )?(?:\w+ JJ )*)?\w+ (?:N[NP]|PRN)

看

• （？：（？：\w+DT）？（？：\w+JJ）*）？

  可选地匹配DT，后跟零个或多个Ajective
• “\w+（？：N[NP]| PRN）”与

  NN

  、

  NP

  或

  PRN

您的正则表达式是

(\w+ DT)? (\w+ JJ)*|(\w+ (?:NN|NP|PRN))

---

谢谢您的帮助。您的演示显示它工作得相当好，但是当我将它插入到我的程序中时，我的输出是：[（''，'he PRN'），（''，''，''，''，（''，''，''，''，''，（''，'bill NP'），（''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，（''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，''，（“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，“”，’，是其中一个答案帮你解决了问题，还是问题仍然存在？你是对的。我移动了一个空格字符的位置，我想这可以修复它。尝试新的演示。：）谢谢下次见。：）查看快速修补后的解决方案，希望它不会引入新的错误。：）

(\w+ DT)? (\w+ JJ)*|(\w+ (?:NN|NP|PRN))