基于正则表达式模式的词干无法工作(Python)

Question

我想写一个函数来使用正则表达式替换字符串。然而，这并没有起到必要的作用。不知道哪里不对。

我在Windows 10上使用Python 3.4.3。

这是nltk代码本中的代码。

import re
replacement_patterns = [
    (r'won't', 'will not'),
    (r'can't', 'cannot'),
    (r'i'm', 'i am'),
    (r'ain't', 'is not'),
    (r'(w+)'ll', 'g<1> will'),
    (r'(w+)n't', 'g<1> not'),
    (r'(w+)'ve', 'g<1> have'),
    (r'(w+)'s', 'g<1> is'),
    (r'(w+)'re', 'g<1> are'),
    (r'(w+)'d', 'g<1> would')
]
class RegexpReplacer(object):
    def __init__(self, patterns=replacement_patterns):
        self.patterns = [(re.compile(regex), repl) for (regex, repl) in patterns]
        print("init")
        print(self.patterns)
    def replace(self, text):
        print("In replace")
        s = text
        print(self.patterns)
        for (pattern, repl) in self.patterns:
            s = re.sub(pattern, repl, s)
            print(s)
            return s

if __name__ == "__main__":
    print("RegEx replacers")
    replacer = RegexpReplacer()
    result = replacer.replace("can't is a contraction")
    print(result)
    result = replacer.replace("I should've done that thing I didn't do")
    print(result)

Answer 1

您的replace函数中有一个indent problem:

class RegexpReplacer(object):
    def replace(self, text):
        print("In replace")
        s = text
        print(self.patterns)
        for (pattern, repl) in self.patterns:
            s = re.sub(pattern, repl, s)
            print(s)
        return s  #here is the problem

---

关于你的函数的一点建议，删除print行，使其更干净和样本。

class RegexpReplacer(object):
    def replace(self, text):
        for (pattern, repl) in self.patterns:
            text = re.sub(pattern, repl, text)
        return s

Answer 2

除了可接受的答案之外，您的代码还有一个额外的问题:在原始字符串中使用转义序列。例如

r'won't'

是一个原始字符串(r前缀)，它不会展开转义序列，所以您的字符串实际上是

won't

用双引号代替

r"won't"

这个错误现在不会咬你，因为'没有特殊的含义，所以它被转换为'，但它会在其他时候，例如

r'\'

是长度为2的字符串。