如何修改Python正则函数实现指定条件下的代词前置标记

需求说明 #

修改现有Python正则函数，处理法语代词le/les时需遵循以下规则：

• 仅当代词le前最近的((PERS)...))序列与它间隔至少2个单词，或无前序((PERS)...))序列时，在le前添加(SINGULAR_PERS)
• 仅当代词les前最近的((PERS)...))序列与它间隔至少2个单词，或无前序((PERS)...))序列时，在les前添加(PLURAL_PERS)

输入输出示例 #

输入文本：
le ((VERB)empujé) hasta ((VERB)dejarle) en ese lugar. A ((PERS)Marcos) le ((VERB)dijeron) y luego le ((VERB)ayudo)

目标输出文本：
(SINGULAR_PERS) le ((VERB)empujé) hasta ((VERB)dejarle) en ese lugar. A ((PERS)Marcos) le ((VERB)dijeron) y luego (SINGULAR_PERS) le ((VERB)ayudo)

正则实现方案 #

利用正向否定预查实现规则，核心是匹配le/les时，先排除前面存在间隔少于2个单词的((PERS)...))的情况，符合条件再添加标记。

完整代码示例 #

import re

text = "le ((VERB)empujé) hasta ((VERB)dejarle) en ese lugar. A ((PERS)Marcos) le ((VERB)dijeron) y luego le ((VERB)ayudo)"

# 处理单数代词le
pattern_le = r'(?<!\((PERS)[^)]+\)\s+le)(?<!\((PERS)[^)]+\)\s+\S+\s+le)\b(le)\b'
result = re.sub(pattern_le, r'(SINGULAR_PERS) \3', text)

# 处理复数代词les（按需启用）
pattern_les = r'(?<!\((PERS)[^)]+\)\s+les)(?<!\((PERS)[^)]+\)\s+\S+\s+les)\b(les)\b'
result = re.sub(pattern_les, r'(PLURAL_PERS) \3', result)

print(result)

正则逻辑拆解 #

• (?<!\((PERS)[^)]+\)\s+le)：否定预查，排除((PERS)...))直接紧跟空格+le（间隔0个单词）的情况
• (?<!\((PERS)[^)]+\)\s+\S+\s+le)：否定预查，排除((PERS)...))后跟1个单词+空格+le（间隔1个单词）的情况
• 两个预查结合，确保匹配的le要么无前序((PERS)...))，要么与最近的((PERS)...))间隔至少2个单词

验证结果 #

运行代码后输出与目标示例完全一致：

(SINGULAR_PERS) le ((VERB)empujé) hasta ((VERB)dejarle) en ese lugar. A ((PERS)Marcos) le ((VERB)dijeron) y luego (SINGULAR_PERS) le ((VERB)ayudo)

内容的提问来源于stack exchange，提问作者Matt095