正則表達式的詞幹代碼解釋

Question

有人可以請解釋這段代碼做了什麼？

def stemmer(word): 
    [(stem,end)] = re.findall('^(.*ss|.*?)(s)?$',word) 
    return stem 

Answer 1

它分割一個字分爲兩個部分：stem和end。有三種情況：

1. 字結尾ss（甚至更多s）：stem <- word和end <- ""
2. 這個詞用單s結束：stem <- word without "s"和end <- "s"
3. 這個詞不s結束：stem <- word和end <- ""

這是通過使用正則表達式，其捕獲完成全字（由於^....$）。第一部分（即stem）包含儘可能多的結尾爲ss（.*ss）或儘可能少的部分（.*?）。然後可能結束s被認爲是end部分。

請注意，在第一種情況下（儘可能多地以ss結尾），end零件不會有額外的s。