在Python中使用正则表达式从字符串中提取具有特定字符的单词列表

Question

我有一个包含单词的字符串，每个单词都有其自己的标记（例如NN / NNP / JJ等）。 我想使用包含NNP令牌的特定重复单词 。 到目前为止，我的代码：

import re

sentence = "Rapunzel/NNP Sheila/NNP let/VBD down/RP her/PP$ long/JJ golden/JJ hair/NN in Yasir/NNP"

tes = re.findall(r'(\w+)/NNP', sentence)
print(tes)

代码的结果：

['Rapunzel', 'Sheila', 'Yasir']

我们看到，包含NNP的单词有3个，分别是Rapunzel / NNP Sheila / NNP（彼此相邻出现）和Yasir / NNP（与其他NNP单词分开）。 我的问题是我需要用重复的NNP和另一个来区分单词。 我的预期结果是：

['Rapunzel/NNP', 'Sheila/NNP'], ['Yasir/NNP']

谢谢，执行此任务的最佳方法是什么。

Answer 1

将组作为简单字符串进行匹配，然后将它们拆分：

>>> [m.split() for m in re.findall(r"\w+/NNP(?:\s+\w+/NNP)*", sentence)]
[['Rapunzel/NNP', 'Sheila/NNP'], ['Yasir/NNP']]

Answer 2

使用其他捕获组，您可以非常接近预期的结果。

>>> re.findall(r'((?:\w+/NNP\s*)+)', sentence)
['Rapunzel/NNP Sheila/NNP ', 'Yasir/NNP']

捕获组((?:\\w+/NNP\\s*)+)将所有\\w+/NNP模式以及它们之间的可选空格组合在一起。

Answer 3

这是没有任何正则表达式的替代方法。 它使用groupby和split() ：

from itertools import groupby

string = "Rapunzel/NNP Sheila/NNP let/VBD down/RP her/PP$ long/JJ golden/JJ hair/NN in Yasir/NNP"
words = string.split()

def get_token(word):
    return word.split('/')[-1]

print([list(ws) for token, ws in groupby(words, get_token) if token == "NNP"])
# [['Rapunzel/NNP', 'Sheila/NNP'], ['Yasir/NNP']]