python - 如何从单词列表创建正则表达式？

Question

我有一个单词字典(实际上我有嵌套的动词变位字典，但这不相关)，我想通过组合它们来制作一个正则表达式。

{
  'yo': 'hablaba',
  'tú': 'hablabas',
  'él': 'hablaba',
  'nosotros': 'hablábamos',
  'vosotros': 'hablabais',
  'ellos': 'hablaban',
  'vos': 'hablabas',
}

... 制作:

'habl((aba(s|is|n)?)|ábamos)' # I think that's right

如果我不包含 'hablábamos' 这很容易 - 它们都是相同的前缀，我可以获得:

'hablaba(s|is|n)?'

...但我想要一个通用的形式。这可能吗？

Answer 1

是的，我相信这是可能的。

为了让您入门，我将这样分解问题。

通过查找与所有拒绝值的开头匹配的最长可能字符串来计算根:

>>> root = ''
>>> for c in hablar['yo']:
...     if all(v.startswith(root + c) for v in hablar.itervalues()):
...         root += c
...     else:
...        break
... 
>>> root
'habl'

单词的剩余部分组成一个 list 结尾。

>>> endings = [v[len(root):] for v in hablar.itervalues()]
>>> print endings
['abas', 'aba', 'abais', 'aba', '\xc3\xa1bamos', 'aban', 'abas']

然后您可能想要清除重复项:

>>> unique_endings = set(endings)
>>> print unique_endings
set(['abas', 'abais', '\xc3\xa1bamos', 'aban', 'aba'])

然后用管道将这些结尾连接在一起:

>>> conjoined_endings = '|'.join(unique_endings)
>>> print conjoined_endings
abas|abais|ábamos|aban|aba

形成正则表达式是一件简单的事情，将根和括号中的 conjoined_endings 字符串组合起来:

>>> final_regex = '{}({})'.format(root, conjoined_endings)
>>> print final_regex
habl(abas|abais|ábamos|aban|aba)