在Python中使用正則表達式從字符串中提取具有特定字符的單詞列表

Question

我有一個包含單詞的字符串，每個單詞都有其自己的標記（例如NN / NNP / JJ等）。 我想使用包含NNP令牌的特定重復單詞 。 到目前為止，我的代碼：

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)

代碼的結果：

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

我們看到，包含NNP的單詞有3個，分別是Rapunzel / NNP Sheila / NNP（彼此相鄰出現）和Yasir / NNP（與其他NNP單詞分開）。 我的問題是我需要用重復的NNP和另一個來區分單詞。 我的預期結果是：

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

謝謝，執行此任務的最佳方法是什么。

Answer 1

將組作為簡單字符串進行匹配，然后將它們拆分：

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

Answer 2

使用其他捕獲組，您可以非常接近預期的結果。

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

捕獲組((?:\\w+/NNP\\s*)+)將所有\\w+/NNP模式以及它們之間的可選空格組合在一起。

Answer 3

這是沒有任何正則表達式的替代方法。 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']]