regex - 我可以使用正则表达式执行词干提取吗？

Question

我怎样才能让我的正则表达式只匹配 一个条件确切地？

例如，我有以下正则表达式:

(\w+)(?=ly|es|s|y)

将表达式与单词“glasses”匹配返回:

glasse

正确的匹配应该是:

glass (match should be on 'es' rather than 's' as in the match above)

该表达式应满足任何类型的单词，例如:

films
lovely
glasses
glass

目前正则表达式匹配上述单词为:

film - correct
lovel - incorrect
glasse - incorrect
glas - incorrect

单词的正确匹配应该是:

film
love
glass
glass

我目前遇到的问题是我不确定如何调整我的正则表达式以完全满足 's' 或 'es'，因为一个词可能包含两者，例如“glasses”。

更新

感谢您到目前为止的答案。我很欣赏词干提取的复杂性和语言知识的要求。然而，在我的特殊情况下，这些词是有限的(电影、可爱、眼镜和玻璃)，因此我只会在上面的表达中遇到这些词和后缀。我对此没有特别的应用。我只是想知道是否可以使用正则表达式。我得出的结论是这是不可能的，但是以下是可能的:

找到或未找到匹配项，例如匹配眼镜但不是玻璃但要匹配电影:

film (match) - (films)
glass (match) - (glasses)
glass (no match) - (glass)

我在想的是，是否有一种方法可以将后缀与末尾的字符串完全匹配。在上面的示例中，“es”匹配玻璃(es)因此条件“s”被丢弃。在玻璃(不匹配)的情况下，条件 's' 被丢弃，因为另一个 's' 在它之前，它不完全匹配。我必须承认我不是 100% 的，所以我的逻辑可能看起来有点不稳定，这只是一个想法。

Answer 1

如果您想进行词干提取，请使用类似 Snowball 的库。 .用正则表达式做你想做的事情是不可能的。特别是，如果没有某种语言知识，您的正则表达式将不可能知道应该从“电影”中删除尾随的“s”而不是“玻璃”。

有大量关于词干提取和词形还原的文献。谷歌是你的 friend 。