| 常用正则表达式匹配Antconc英文句式搭配 | 您所在的位置：网站首页 › 天下第一行书的故事 › 常用正则表达式匹配Antconc英文句式搭配 |
常用正则表达式匹配Antconc英文句式搭配
|
引言：标准英文句式不会写？逐个百度google太麻烦？快用Antconc啊，导入语料仅需几步操作即可帮你分析词频，找到常用搭配！ 文章目录 一、正则常用特殊字符二、正则常用元字符三、英文常用词性对照表整理四、使用案例附录-完整词性表 一、正则常用特殊字符 字符描述^匹配输入字符串的开始位置。$匹配输入字符串的结束位置。*匹配前一个子表达式零次或多次。例如，zo* 能匹配 z以及 zoo。* 等价于{0,}。+匹配前面的子表达式一次或多次。例如，’zo+’ 能匹配 “zo” 以及 “zoo”，但不能匹配 “z”。+ 等价于 {1,}。?匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 “do” 或 “does” 。? 等价于 {0,1}。.匹配除换行符 \n 之外的任何单字符。()标记一个子表达式的开始和结束位置。[]中括号表达式。{}标记限定数量符。如wor{2}可以匹配words而不能匹配wordx|y匹配 x 或 y。例如，‘z|food’ 能匹配 “z” 或 “food”。’(z|f)ood’ 则匹配 “zood” 或 “food”。[xyz]字符集合，等价于x|y|z[^xyz]负值字符集合。匹配未包含的任意字符。例如， ‘[^abc]’ 可以匹配 “plain” 中的’p’、‘l’、‘i’、‘n’。[a-z]字符范围。[^a-z]负值字符范围。如’[^a-z]’ 可以匹配任何不在 ‘a’ 到 ‘z’ 范围内的任意字符。 二、正则常用元字符 字符描述\s匹配任何空白字符。\S匹配任何非空白字符。\w匹配字母、数字、下划线。等价于’[A-Za-z0-9_]’。\W匹配非字母、数字、下划线。等价于 ‘[^A-Za-z0-9_]’。\b匹配一个单词边界。例如 ‘er\b’ 可以匹配"never" 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。\B匹配非单词边界。‘er\B’ 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’。\d匹配一个数字字符。等价于 [^0-9]。\D匹配一个非数字字符。等价于 [^0-9]。 三、英文常用词性对照表整理 词性标记英文全称中文解释示例ADAdverbs副词包括情态副词、频率副词、程度副词、连接副词等CCCoordinating conjunction并列连词和、与、或、或者CSSubordinating conj从属连词若，如果，如DTDeterminer限定词，冠词the,a,an,this,every,each,any,your,their,whose等)EXExistence There存在词汇thereINPrepositions and Subordinating Conjunctions介词和从属连词in,about,toJJNoun-modifier other thannouns其他名词形容词共同/JJ的/DEG目的/NN他/PN是/VC男//JJ的/DEGNNCommon nouns普通名词(单数或复数)桌子(一般正则用_N\w*)NRProper nouns专有名词天安门VBVerbs (base form)动词原形VH动词"有" 的词类标记haveVVverbs其他动词情态动词，提升谓词（如“can”），控制动词（如“要”、“想”）,行为动词（如“走”），心理动词（如“喜欢”、“了解”、“怨恨”VAPredicative adjective谓词形容词太阳红彤彤/VAMDModal Verbs情态动词can,mayVCCopula系动词am.is.are,wasRBAdverbs副词TOto单词toRPParticles小品词along,away,by,down,in,off,on,out,over以下根据Antconc软件以及词性标注数据，做了一个词频如下图 
然后导出到Excel中进行清洗，得到如下图，并进行重点标注，方便正对性记忆。 
四、使用案例
首先，我们使用已词性标记的英文语料，标记形式如下图。可见词性标记先将文本内容分词(常用HMM隐马模型进行词性标注任务)，然后在每个词后面加入_来达到标记效果，如The_DT表示标记为冠词的单词The。 
在了解了具体词性标注文本格式后，我们在匹配想要的句式结构时，就可以利用_格式特点来写正则表达式。 【句式1】：be动词+冠词/副词(if any)+形容词+名词/介词 【正则表达式】： \S+_VB\w*\s\S+((_DT)|(_RB\w*))\s\S+_JJ\w*\s\S+((_NN\w*)|(_IN))\s【部分解释】： \S+意图匹配下划线_前的非空原词字符串，+表示非空字符\S有1个或多个，这样我们就可匹配到_前的一个任意长度单词(字符串)，例如该项可匹配到is_VBZ中的is。_VB\w*\s是匹配词性，但是词性按粗粒度到细粒度划分有很多，比如VB(动词原形)下属有VBZ(第三人称单数动词),VBG(动名词或现在分词),VBP(非第三人称单数动词)。因此，我们在后面加\w*表示可以匹配0或多个字符（*采用贪心匹配，选择最长字符作为结果），最后因为词与词之间是空格，因此再加入\s用来匹配一个空字符。例如该项可匹配到is_VBZ中的_VBZ(空格)。((_DT)|(_RB\w*))意图匹配DT冠词或RB副词，()中为子表达式，如(_DT)将_DT作为一个整体，通过|或关系对冠词或副词进行匹配。例如该项可匹配到also_RB中的_RB或a_DT中的_DT。其余原理相似，不再赘述。【句式1的其他等价写法】：能合并同类项可以少些点。 \S+_VB\w*\s((\S+_DT)|(\S+_RB\w*))\s\S+_JJ\w*\s\S+((_NN\w*)|(_IN))\s \S+_VB\w*\s((\S+_DT\s\S+)|(\S+_RB\w*\s\S+))_JJ\w*\s\S+((_NN\w*)|(_IN))\s得到结果如下图 
可见有驸马标记，为了简洁好看，我们可以通过全局设置将其隐藏，如下图 
最终结果如下图，可见有很多实用的论文书面搭配。 
【句式2】：形容词+名词+have(has)+动词过去式+that 【正则表达式】： \S+_JJ\w*\s\S+_N\w*\s\S+_VH\w*\s\S+_VV\w*\sthat【部分解释】： VH\w*意图匹配动词有及其下属词性，如have,has等。\sthat注意匹配的是(空格)thatVV匹配其他动词词性，如shown,found等。
【句式3】：形容词+名词+动词(任意形式)+that 【正则表达式】： \S+_JJ\w*\s\S+_N\w*\s\S+_V\w*\sthat
【句式4】：…+形容词+classifier(s)+… 【正则表达式】： \S+_JJ\sclassifiers?【部分解释】： classifiers?意图匹配classifier后面的字符s可有可无，可匹配到classifier以及classifiers。
【句式5】：however/although/nevertheless(固定连词)+带有形容词的从句 【正则表达式】： ((however)|(although)|(nevertheless)).+\S+_JJ\w*\s【部分解释】： .+匹配如although之后的长度为1及以上非换行符\n字符串。本例中匹配although_IN in_IN many_JJ中的_IN in_IN(空格)
【句式6】：we/study/research/paper+任意词(if any)+动词 【正则表达式】： ((we)|(study)|(research)|(paper))_\S+\s(\S+_\S+\s)?\S+_VV\w*\s如果想精确性查找This paper+任意词(if any)+动词则可以使用 this_DT\spaper_NN\s(\S+_\S+\s)?\S+_VV\w*\s【部分解释】： (\S+_\S+\s)?匹配0个或1个任意词_(空格)，若替换为*则匹配0个或多个
【注】：修改底部KWIC的排序方式，从左到右依次按照ASCII码大小排序，修改后排序方式变化但总记录数不变。 【句式7】：动词+任意词(if any)+question 【正则表达式】： \S+_VV\w*\s(\S+_\S+\s)?questions?【部分解释】： (\S+_\S+\s)?匹配0个或1个任意词_(空格)，若替换为*则匹配0个或多个questions?匹配question和questions
【句式8】：This paper+be动词+动词被动+as follows 【正则表达式】： paper_NN\s\S+_VB\w*\s\S+_VV\w*
附录-完整词性表
英文简写英文全称中文解释CCCoordinating Conjunctions并列连词CDCardinal Numbers基数词DTDeterminers限定词(例:the,a,an,this,every,each,any,your,their,whose等)EXExistence There存在词汇thereFWForeign Words外来语/词INPrepositions and Subordinating Conjunctions介词和从属连词JJAdjectives形容词JJRComparative Adjectives形容词比较级JJSSuperlative Adjectives形容词最高级LSList Item Markers列表项标记(例:1. , 2., a, a., ….)MDModal Verbs情态动词NNCommon Nouns(Singular or Mass)普通名词(单数或复数)NNSCommon Nouns (Plural)普通名词(复数)NNPProper Nouns (Singular)专有名词(单数)NNPSProper Nouns (Plural)专有名词(复数)PDTPredeterminers前置限定词(例:both,all…)POSPossessive Endings ‘s以’s结束的词(例:he’s, it’s.)PRPPersonal Pronouns人称代词(例:i,me,my,you…)PRP$Possessive Pronouns物主代词(例:mine,ours,thine,yours,his,hers,its…)RBAdverbs副词RBRComparative Adverbs程度副词(例:hard,fast,early,well,badly,far,quietly,carefully,happily …)RBSSuperlative Adverbs副词最高级RPParticles小品词(例:along,away,back,by,down,forward,in,off,on,out,over,round,under,up…)SYMSymbols符号TOto单词toUHInterjection感叹词(例:aha, ahem, ahh, ahoy, alas, arg, aw, bam, bingo, blah, boo, bravo, brrr,oh …)VBVerbs (base form)动词原形VBDVerbs (past tense)动词(过去时态)VBGVerbs (gerund or present participle)动词(动名词或现分词)VBNVerbs (past participle)动词(过去分词)VBPVerbs (non 3rd person singular present)动词(非第三人称单数)VBZVerbs (3rd person singular present)动词(第三人称单数)WDTWh-determinerWh开头的限定词(例:what,which…)WP$Possessive wh-pronounWh开头代词的所有格(例:whom, whose…)WRBWh-adverbWh开头的副词(例:when, where, why, how, whence, whereby, wherein, whereupon, and how)
【参考资料】 [1] 菜鸟教程.正则表达式-元字符 [2] stanfordCorenlp在python3中的安装使用+词性学习 [3] 斯坦福Stanford coreNLP宾州树库的词性标注规范 |
【本文地址】
公司简介
联系我们