如何不借助nltk、spacy等外部库，仅用Regex判断词性

仅靠正则表达式识别词性只能基于英文单词的构词后缀，无法处理不规则词、多义词，也做不到100%准确，但可以覆盖大部分常见规则词的判断。以下是具体实现思路和示例：

核心思路：基于词性后缀的正则匹配 #

英文中不同词性通常有固定的后缀，我们可以针对这些后缀编写正则模式，匹配对应的词性。

1. 名词识别 #

常见名词后缀包括：-tion, -sion, -ment, -ness, -ity, -ship, -hood, -dom, -ance, -ence，以及复数形式的-s, -es。
对应的正则模式：

noun_pattern = re.compile(r'^(.*)(tion|sion|ment|ness|ity|ship|hood|dom|ance|ence|s|es)$', re.IGNORECASE)

示例匹配：action, happiness, friendship, cats

2. 形容词识别 #

常见形容词后缀包括：-able, -ible, -al, -ful, -less, -ous, -ic, -ive, -y, -ish。
对应的正则模式：

adj_pattern = re.compile(r'^(.*)(able|ible|al|ful|less|ous|ic|ive|y|ish)$', re.IGNORECASE)

示例匹配：comfortable, helpful, selfish, happy

3. 动词识别 #

常见动词后缀包括：-ate, -ify, -ize, -en，以及分词形式的-ing, -ed。
对应的正则模式：

verb_pattern = re.compile(r'^(.*)(ate|ify|ize|en|ing|ed)$', re.IGNORECASE)

示例匹配：organize, simplify, widen, running

完整实现示例（Python） #

import re

# 预编译正则模式，提升匹配效率
noun_pattern = re.compile(r'^(.*)(tion|sion|ment|ness|ity|ship|hood|dom|ance|ence|s|es)$', re.IGNORECASE)
adj_pattern = re.compile(r'^(.*)(able|ible|al|ful|less|ous|ic|ive|y|ish)$', re.IGNORECASE)
verb_pattern = re.compile(r'^(.*)(ate|ify|ize|en|ing|ed)$', re.IGNORECASE)

def guess_pos(word):
    # 优先级：先匹配名词和形容词，再匹配动词（避免分词后缀被误判）
    if noun_pattern.match(word):
        return "名词（推测）"
    elif adj_pattern.match(word):
        return "形容词（推测）"
    elif verb_pattern.match(word):
        return "动词（推测）"
    else:
        return "无法通过正则确定词性"

# 测试用例
test_words = ["action", "comfortable", "organize", "run", "happiness", "excited", "cats"]
for word in test_words:
    print(f"{word}: {guess_pos(word)}")

关键局限性说明 #

• 不规则词无法识别：比如go（动词）、child（名词）这类无固定后缀的单词，正则无法匹配。
• 多义词歧义无法区分：比如excited既可以是动词过去式，也可以是形容词；running可以是动词现在分词、形容词或名词，正则无法判断具体语境。
• 后缀重叠误判：少数单词可能同时符合多个词性后缀，需要根据实际需求调整匹配优先级。

内容的提问来源于stack exchange，提问作者Jap Ndufor