Python的正則表達式：XOR運算

Question

假設我有一個字符串像這樣：

1. "DT NN IN NN"
2. "DT RB JJ NN"
3. "DT JJ JJ NN"
4. "DT RB RB NN NN"
5. "DT RB RB"

所以，我有字符串列表：

list = ["DT NN IN NN", "DT RB JJ NN", "DT JJ JJ NN", "DT RB RB NN NN", "DT RB RB"] 

我有以下代碼：

pattern = "(?:DT\s+)+([?:RB\s+|?:JJ\s+])+(?:NN\s+)*NN$" 
for item in list: 
    m = re.match(pattern, item) 
    if m: 
     print item 

我從pattern要的是匹配與DT（出現一次或多次）啓動串要麼RB或JJ（出現一次或多次），但不是兩次，然後以NN（再次出現一次或多次）結束。

因此，在最終結果中，我應該在屏幕上打印3和4。然而，用我的正則表達式，除此之外，我得到2，我不想要。如何更改pattern以便這可以工作？如何用XOR替換管道（OR）？

Answer 1

的問題是如何定義的RB和JJ存在。你沒有提到只有他們中的任何一個應該在場。這可以通過將它們與|（管道）分開並讓它們中的任一個重複一次或多次來實現（+）。試着改變你的模式是：

pattern = "(?:DT\s+)+(?:(RB\s+)+|(JJ\s+)+)(?:NN\s+)*NN$" 

此外，(?:<something>)被稱爲非捕獲組。你用它來說「我想要<something>被匹配，但是當我稍後選擇組的時候不包括在內，並且看起來它沒有使用任何組，你只是打印整個item（除非你掩蓋了爲簡潔的代碼），如果你真的不需要組，這裏是一個簡單的版本，會爲你工作：

pattern = "(DT\s+)+((RB\s+)+|(JJ\s+)+)(NN\s*)*NN$" 

我也讓白色空間的結尾組出現0次或更多次，而不是一個或更多次你喜歡你的原始圖案，隨時改變它

Answer 2

[...]是字符類，你匹配一組包括?，:和+和|，等字符。除了-來標記系列，字符類中沒有修飾符或特殊字符。

你必須要匹配的RB重複，或JJ：

pattern = r"(?:DT\s+)+(?:(?:RB\s+)+|(?:JJ\s+)+)NN" 

我已經簡化下來;無論如何，你並沒有使用任何組。

這種模式的在線演示：https://regex101.com/r/iH4lE6/1

既然你不是靠捕獲組，所以沒有真正使用非捕獲組，無論是任何點;只需使用(...)而不是(?:...)來獲得較少的冗​​餘正則表達式。

您可能需要添加錨，以確保DT只在開頭匹配，並更換NN在與(NN\s+)*NN$年底末來錨定它，移動空格匹配到每個重複組的開始：

pattern = r"^DT(\s+DT)*((\s+RB)+|(\s+JJ)+)(\s+NN)+$" 

此版本的在線演示：https://regex101.com/r/iH4lE6/2

Answer 3

如果我正確地理解了這個問題，你可以通過首先將它分成兩個單獨的問題來解決這個問題：

• 與DT開始，接着通過一個或多個RB秒，然後通過一個或多個NN S A的正則表達式：

  ^DT(\s+DT)*(\s+RB)+(\s+NN)+$ 
  

• 與DT開頭的正則表達式，接着通過一個或多個JJ秒，然後一個或多個NN S：

  ^DT(\s+DT)*(\s+JJ)+(\s+NN)+$ 
  

現在，你可以簡單地把一管（或運營商）這兩者之間：

^((DT(\s+DT)*(\s+RB)+(\s+NN)+)|(DT(\s+DT)*(\s+JJ)+(\s+NN)+))$ 

，後來被其重構簡化它：

^DT(\s+DT)*((\s+RB)+|(\s+JJ)+)(\s+NN)+$ 

或使用可視化表示Regexper：