给定输入字符串
Arms_NNS folded_VVN ,_,
以下正则表达式
(\w+_(?:NN|NNS) \w+_(?:VBG|VVN) ,_,)
匹配整个字符串(并捕获它 - 如果您不知道这意味着什么,那可能意味着它对您无关紧要)。
给定一个更长的字符串(我编的)
Dog_NN Arms_NNS folded_VVN ,_, burp_VV
它仍然与您想要的部分匹配。
如果 _VVN 部分是可选的,您可以使用
(\w+_(?:NN|NNS) (?:\w+_(?:VBG|VVN) )?,_,)
它与 witout 或仅匹配一个 word_VVN / word_VBG 部分匹配。
您更一般的问题:
我发现很难解释这些事情是如何运作的。我将尝试解释组成部分:
- \w 匹配单词字符 - 您通常希望在单词中找到的字符
- \w* 匹配其中一个或多个
- (NN|NNS) 表示“匹配 NN 或 NNS”
- ?: 表示“匹配但不捕获” - 建议使用谷歌搜索捕获与正则表达式相关的含义。
- ? 单独表示“匹配我面前的事物的 0 或 1 - 所以 x? 将匹配“”或“x”但不匹配“xx”。
- ,_, 中的字符都不是特殊的,因此我们只需将它们放入正则表达式即可匹配它们。
您的正则表达式的一个问题是 \w 将不匹配逗号(仅“单词字符”)。
我不知道 [\w-] 做了什么。看起来有点奇怪。我认为它可能无效,但我不确定。
我的解决方案假设您的标记词之间只有一个空格,没有别的。