python - 如何在不同时包含关键字的情况下获得 Python re 模块的完全匹配？

Question

在下面的例子中:

"noun 1 left and right sides 左右摇摆 zuǒ-yòu yáobǎi vacillating; unsteady; hesitant 主席台左右, 红旗迎风飘扬。 Zhǔxítái zuǒyòu, hóngqí yíngfēng piāoyáng. Red flags are fluttering on both sides of the rostrum. 2 [after a numeral] about; or so 八点钟左右 bā diǎn zhōng zuǒyòu around eight o'clock 一个月左右 yī ge yuè zuǒyòu a month or so 身高一米七左右 Shēngāo yī mǐ qī zuǒyòu be about 1.70 metres in height 价值十元左右。 Jiàzhí shí yuán zuǒyòu. It's worth about 10 yuan. 3 those in close attendance; retinue 屏退左右 Píng tuì zuǒyòu order one's attendants to clear out verb master; control; influence 左右局势 zuǒyòu júshì be master of the situation; in control 为人所左右 wéi rén suǒ zuǒyòu controlled by another; fall under another’s influence 他这个人不是别人能左右得了的。 Tā zhège rén bù shì biéren néng zuǒyòu déle de. He is not a man to be influenced by others. adverb dialect anyway; anyhow; in any case 左右闲没事, 我就陪你走一趟吧。 Zuǒyòu xiánzhe méishì, wǒ jiù péi nǐ zǒu yī tàng ba. Ānyway I’m free now so let me go with you."

我想根据名词、形容词、副词等来分隔字符串...如果它们有多个，也根据数字分隔。

所以最终的结果应该是:

        noun
         ["left and right sides", "左右摇摆 zuǒ-yòu yáobǎi vacillating; unsteady; hesitant 主席台左右, 红旗迎风飘扬。 Zhǔxítái zuǒyòu, hóngqí yíngfēng piāoyáng. Red flags are fluttering on both sides of the rostrum."]
         ["[after a numeral] about; or so", "八点钟左右 bā diǎn zhōng zuǒyòu around eight o'clock 一个月左右 yī ge yuè zuǒyòu a month or so 身高一米七左右 Shēngāo yī mǐ qī zuǒyòu be about 1.70 metres in height 价值十元左右。 Jiàzhí shí yuán zuǒyòu. It's worth about 10 yuan."]
         ["those in close attendance; retinue", "屏退左右 Píng tuì zuǒyòu order one's attendants to clear out"]
        verb
            ["master; control; influence", "左右局势 zuǒyòu júshì be master of the situation; in control 为人所左右 wéi rén suǒ zuǒyòu controlled by another; fall under another’s influence 他这个人不是别人能左右得了的。 Tā zhège rén bù shì biéren néng zuǒyòu déle de. He is not a man to be influenced by others."]
        adverb
            ["dialect anyway; anyhow; in any case", "左右闲没事, 我就陪你走一趟吧。 Zuǒyòu xiánzhe méishì, wǒ jiù péi nǐ zǒu yī tàng ba. Ānyway I’m free now so let me go with you"]

noun、verb 和adverb 应该是键，而值可能是字典。由于 noun 在这里有三个对象，它应该有三个不同的结果。

所以第一步是从 noun, adjective adverb, verb 等中获取组件。 . 并将其存储到一些变量中。但是在这种情况下，我无法根据特定的字符串得到相关的结果。例如:

re.findall("(noun|verb|adverb|adjective)", s)

这会返回 ['noun', 'verb', 'adverb'] 因为它只关注完全匹配。

所以我添加了 .+ 使其成为 re.findall("(noun|verb|adverb|adjective).+", s) 并获取后面的任何单词noun，但随后它捕获了 noun 之后的所有字符串，包括 verb 或 adverb 之后的所有字符串(并返回['名词']).

所以我撞墙了。是否有可能得到相关部分，同时得到除关键字匹配之外的完整结果？

Answer 1

这不是正则表达式的工作。您尝试匹配的内容变化太大。

为字典条目编写一个合适的语法，就好像它是一种编程语言，然后根据该语法解析您的数据。

像这样:

1. 您的语言关键字是名词、动词、副词。
2. 每个都引入一个未编号的或多个编号的定义。
3. 已编号定义的编号单调递增，因此其他出现在定义中的数字应被视为定义的一部分，而不是开始一个新的定义。

作为一名兼职词典编纂者，我还建议您将 dialect(通常来自标准词汇表)之类的标签视为可选关键字，而不是定义的一部分。