Python实现否定词与后续单词拼接的方法，例将not apple转为not_apple

方法1：正则表达式实现（推荐，代码简洁高效） #

直接通过正则匹配否定词+空格+后续单词的结构，批量替换为下划线拼接的格式，适合绝大多数场景。

import re

# 自定义否定词集合，可按需增减
NEG_WORDS = {"no", "not", "never", "none", "nobody", "nowhere", "neither", "nor"}
# 构建正则匹配规则，re.IGNORECASE表示忽略大小写匹配
pattern = re.compile(r"\b(" + "|".join(NEG_WORDS) + r")\s+(\w+)\b", re.IGNORECASE)

# 测试示例
raw_text = "This is not apple"
processed_text = pattern.sub(r"\1_\2", raw_text)
print(processed_text)  # 输出：This is not_apple

方法2：分词遍历实现（适合需要自定义复杂逻辑的场景） #

通过拆分句子为单词列表遍历处理，灵活度更高，可适配标点、特殊字符等复杂文本场景。

NEG_WORDS = {"no", "not", "never", "none", "nobody", "nowhere", "neither", "nor"}

def concat_neg_with_next_word(text: str) -> str:
    words = text.split()
    res = []
    idx = 0
    word_count = len(words)
    while idx < word_count:
        # 检测到否定词且存在后续单词时拼接
        if words[idx].lower() in NEG_WORDS and idx < word_count - 1:
            res.append(f"{words[idx]}_{words[idx+1]}")
            idx += 2
        else:
            res.append(words[idx])
            idx += 1
    return " ".join(res)

# 测试示例
raw_text = "This is not apple"
processed_text = concat_neg_with_next_word(raw_text)
print(processed_text) # 输出：This is not_apple

可选调整项 #

• 不需要忽略大小写匹配时，删掉正则参数re.IGNORECASE，或遍历匹配时去掉.lower()即可
• 可直接修改NEG_WORDS集合增删需要识别的否定词
• 若需要处理带标点的文本，可先通过字符串替换或专业分词库预处理后再执行上述逻辑

内容的提问来源于stack exchange，提问作者Staw6874