我正在做很多自然语言处理，但要求有点不寻常。我经常得到类似于词形还原的任务——给定一个词（或只是一段文本），我需要找到一些模式并以某种方式转换这个词。例如，我可能需要纠正拼写错误，例如给定单词“eatin”，我需要将其转换为“eating”。或者我可能需要将单词“ahahaha”、“ahahahaha”等转换为“ahaha”等。
所以我正在寻找一些通用工具，允许为这种情况定义转换规则。规则可能如下所示：
{w}in -> {w}ing
aha(ha)+ -> ahaha
那就是我需要能够在右侧使用从左侧捕获的模式。
我与完全不懂编程的语言学家一起工作，所以理想情况下，这个工具应该使用外部文件和简单的规则语言。
我在 Clojure 中做这个项目，所以理想情况下这个工具应该是一个 JVM 语言（Java、Scala、Clojure）的库，但其他语言或命令行工具也可以。
有几个非常酷的 NLP 项目，包括GATE、Stanford CoreNLP、NLTK等，我并不是所有这些项目的专家，所以我可能会错过我需要的工具。如果是这样，请告诉我。
请注意，我正在使用多种语言并执行非常不同的任务，因此具体语言的具体词形还原器、词干分析器、拼写错误校正器等不符合我的需求——我真的需要更通用的工具。
UPD。看来我需要提供一些我需要的更多细节/示例。
基本上，我需要一个用某种正则表达式（类似于 Java 的String.replaceAll()）替换文本的函数，但有可能在替换字符串中使用捕获的文本。例如，在现实世界的文本中，人们经常重复字符以强调特定的单词，例如，有人可能会写“This film is sooooo boooring...”。我需要能够仅用单个字符替换这些重复的“oooo”。所以可能会有这样的规则（语法类似于我在本文前面使用的）：
{chars1}<char>+{chars2}? -> {chars1}<char>{chars2}
也就是说，替换以某些字符 ( chars1) 开头、至少 3 个字符并可能以其他字符 ( chars2) 结尾的单词，但字符串相似，但只有一个 . 这里的关键是我们抓住规则的左侧并在右侧使用它。