python - 使用 RegEx 查找并打印土耳其语中的复数单词

Question

我对Python还很陌生。在代码中，我读取了一个文本文件作为输入，并将在此文本文件中读取的每一行作为元素放入列表中。

我正在尝试使用 RegEx 编写代码来查找和打印复数单词。在土耳其语中，复数单词是“-ler”或“-lar”后缀。

我的代码如下:

import re

f = open('C:/Users/ENE/Desktop/CSE & Kodlar/nlp/utf8textfile.txt', encoding='utf-8-sig', errors='ignore')


with f as file:
    list = file.readlines()
list = [x.strip() for x in list]

print(list)

total = 0
for i in list:
    total += len(i)
ave_size = float(total) / float(len(list))
print("Average word length = " + str(ave_size))

#p = re.compile('.*l[ae]r.*')

for element in list:
    m = re.findall(".*l[ae]r.*", element)
    if m:
        print(m)

输出为

list = ['Aliler geldiler', 'Selam olsun sana', 'Merhabalar', 'Java kitabı nerede']

for循环: [‘阿利尔·盖尔迪勒’] ['梅尔哈巴拉尔']

我正在尝试逐字打印，例如 ['Aliler']、['geldiler'] 和 ['Merhabalar']。我怎样才能做到这一点？

Answer 1

您可以使用 \w*l[ea]r\b 正则表达式找到所有以 lar 或 ler 结尾的单词:

results = re.findall(r'\w*l[ea]r\b', s)

请参阅regex demo 。在 Python 3.x 中，\b 字边界默认支持 Unicode，在 Python 2.x 中，我建议添加 re.U 标志。

这里，s可以是整行，甚至是整个文档。

详细信息

• \w* - 0+ 个字母、数字和 _ (在 Python 3.x 中，它将匹配所有 Unicode 字母、数字或 _ code>，您可以使用 [^\W\d_]* 仅匹配字母)
• l - l 字母
• [ea] - e 或 a
• r - r 字母
• \b - 字边界(请注意 r'..' 表示法，用于避免双重转义 \b 以使引擎将其解析为单词边界)。