Python RegEx代码可检测句子中的特定功能

Question

我创建了一个简单的单词特征检测器。到目前为止，能够找到字符串中的特定特征（混杂在其中），但是该算法会与某些单词序列混淆。让我举例说明：

from nltk.tokenize import word_tokenize

negative_descriptors = ['no', 'unlikely', 'no evidence of']

negative_descriptors = '|'.join(negative_descriptors)

negative_trailers = ['not present', 'not evident']

negative_trailers = '|'.join(negative_descriptors)

keywords = ['disc prolapse', 'vertebral osteomyelitis', 'collection']

def feature_match(message, keywords, negative_descriptors):

    if re.search(r"("+negative_descriptors+")" + r".*?" + r"("+keywords+")", message): return True

    if re.search(r"("+keywords+")" + r".*?" + r"("+negative_trailers+")", message): return True

以上返回True以下消息：

message = 'There is no evidence of a collection.' 

message = 'A collection is not present.'

这是正确的，因为它意味着我正在寻找的关键字/条件不存在。但是，它返回None以下消息：

message = 'There is no evidence of disc prolapse, collection or vertebral osteomyelitis.'

message = 'There is no evidence of disc prolapse/vertebral osteomyelitis/ collection.'

它似乎将第一条消息中的“或脊椎骨髓炎”和第二条消息中的“/集合”匹配为否定匹配，但这是错误的，暗示该消息显示“我正在寻找的情况是存在的”。它实际上应该返回“ True”。

我如何防止这种情况？

Answer 1

您发布的代码存在几个问题：negative_trailers = '|'.join(negative_descriptors) 应该 negative_trailers = '|'.join(negative_trailers )您还应该像其他列表一样将列表关键字转换为字符串，以便将其传递给正则表达式在正则表达式中使用 3 次 'r' 是没有用的经过这些更正后，您的代码应如下所示：negative_descriptors = ['no', 'unlikely', 'no evidence of']negative_descriptors = '|'.join(negative_descriptors)negative_trailers = ['not present', 'not evident']negative_trailers = '|'.join(negative_trailers)keywords = ['disc prolapse', 'vertebral osteomyelitis', 'collection']keywords = '|'.join(keywords)if re.search(r"("+negative_descriptors+").*("+keywords+")", message): neg_desc_present = Trueif re.search(r"("+keywords+").*("+negative_trailers+")", message): neg_desc_present = True