在下面的词性标记句子(和类似句子)中,为了仅捕获包含两个单词的名词名词复合词(即\p{Alnum}+_NN[PS]? \p{Alnum}[PS]?)并避免捕获属于较大短语的两个单词匹配,应使用什么正则表达式。
I_PRP will_MD never_RB go_VB to_IN sun_NN devil_NN auto_NN again_RB but_CC my_PRP$ family_NN members_NNS will_MD ._.特别是,我想要捕获family_NN members_NN,而不是sun_NN devil_NN和devil_NN auto_NN。
目前,我使用以下正则表达式和正向先行:
"(?=\\b([\\p{Alnum}]+)_(NN[SP]?)\\s([\\p{Alnum}]+)_(NN[SP]?)\\b)."问题是除了family_NN members_NNS之外,它还捕获了sun_NN devil_NN和devil_NN auto_NN。
发布于 2016-03-31 23:36:17
这里既需要前视,也需要后视。
基本上,您希望,对于某些模式P,当且仅当在它之前或之后没有P时,才匹配该PP。
粗略的方式,使用前视和后视运算符:
(?<!P)PP(?!P)(?<!...)和(?!...)分别是正则表达式中的负后视和负前视锚点,其中...代表正则表达式。
如果我们以P为例:
[\p{AlNum}]+_NN[PS]?考虑到空格,然后一个解决方案的草图,允许每个标记之间的空格,将如下所示:
private static final String P = "[\\p{AlNum}]+_NN[PS]?";
private static final String RE = "(?<!" + P + ")"
+ "\\s+(" + P + "\\s+" + P + ")\\s+(?!" + P + ")";
private static final Pattern PATTERN = Pattern.compile(RE);然而,这只是一个草图。
考虑到输入的复杂性,您可能想要做更多的工作,所以不确定正则表达式是您最终真正想要的工具。
https://stackoverflow.com/questions/36337080
复制相似问题