[老贴整理]如何使用正则式从英文句子里提取词根

rex — Fri, 25 Apr 2008 08:07:09 +0000

以前在chinaunix回答过这样一个问题，用到了正则表达式（而且我认为正则式解决此类问题是最合适的。）

学英语的一些例句，每句都有若干词根相同的词，例如 She swears to wear the pearls that appear to be pears. 但是每句的词根都未必相同；我希望把这些包含词根的词都标记出来，请问如何写？

这里说的词根不是原本词根的定义，只是一组字母序列，比如

9. The dust in the industrial zone frustrated the industrious man.

词根是dust或ust

10. The just budget judge just justifies the adjustment of justice.

词根是dust

11. I used to abuse the unusual usage, but now I’m not used to doing so.

词根是use，有变形

12. The lace placed in the palace is replaced first, and displaced later.

词根是lace

13. I paced in the peaceful spacecraft.

词根是pace

14. Sir, your bird stirred my girlfriend’s birthday party.

词根是ir

如果您对此问题感兴趣，请独立思考后再继续阅读本站提供的解决方法。

我的思路是，既然每行句子的结构是一致的，依靠循环就能解决所有问题。因此只要分析一句即可。对于每一句，需要每个单词进行逐个分析。

对第一句作手术分析。

She swears to wear the pearls that appear to be pears.

人的眼睛一下子就能看出ear是词根。但是，就跟《1984》里面2+2＝?这个含义深刻的式子一样，如何证明它等于几，才是问题所在。

我把自己想像成正则式机器人。我可以一句一句地读取原文。（perl 语法：while()），然后可以读取每个单词来分析（perl语法：\w+表示每个单词）。对于每个单词的任意N（N最小为3，最大为该词词长）个连续字母（记作$matchstr），在整句中检验其出现的次数，将此“词根”和出现次数保存在hash表中。hash表在此的作用是：如果该词根没有记录，则创建该记录，并自动加1。

思路如下。

对于每1行
对于每个单词
对于这个单词的任意连续3－N个字母，检查其在文本行中出现的频率M，记录在HASH表中。
对HASH表的值进行排序。取出最大的个一。打印输出。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45

#!/usr/bin/perl -w
$/ = ".\n";

while (<>) {
my @array="";
my %myhash=();
print "---------------------------\n";
print "the line is :$_\n";
while(/^\w+/)
{
s/^(\w+)\W+(.*)$/$2/;
push(@array,lc($1)); #save all the words(in lower case format) into array.
}
@b=@array; #copy this array to b, for checking

my $len;

my $matchlen;

foreach $item(@array)

{
$len=length($item);
for( $matchlen=$len;$matchlen>=3;$matchlen--)
{
for( $i=0;$i<=$len-$matchlen;$i++)
{
$matchstr=substr($item,$i,$matchlen); #define the matchstring.
foreach $pig(@b)
{
next if ( $item eq $pig); #the word can not match against itself.
if ( $pig =~ /$matchstr/)
{
$myhash{$matchstr}++; #if matches, record them.
}
}
}
}
}
foreach (keys %myhash)
{
print "$_:$myhash{$_};\t"; #print all the successful match records.
}
print "\n";
}

注：本站使用了WP-CODEBOX Plugin，您可以参考此处格式在评论中加入代码。

我爱正则表达式 » root

[老贴整理]如何使用正则式从英文句子里提取词根