在 Python 3 中使用前瞻推断年龄

Question

我有一堆推文和各种元数据，我想出于社会语言学目的对其进行分析。为了做到这一点，我试图根据用户在个人简历中提供的信息等来推断用户的年龄。为此，我使用正则表达式来匹配用户简历中的几个重复模式，例如用户提到一个数字后跟 "years old" 的各种拼写，如：

"John, 30 years old, engineer."

但是，我还想检查 "years old" 之后的内容，因为很多人提到他们 children 的年龄，我不希望将其错误地关联到用户的年龄年龄，如：

"John, father of a 12 year old kid, engineer"

所以上面这种情况应该忽略，所以我只能保留可以推断有效年龄的用户。

我的程序是这样的：

import csv
import re

with open("test_corpus.csv") as corpus:
    corpus_read = csv.reader(corpus, delimiter=",")
    for row in corpus_read:
        if re.findall(r"\d{2}\s?(?=years old\s?|yo\s?|yr old\s?|y o\s?|yrs old\s?|year old\s?(?!son|daughter|kid|child))",row[5].lower()):
            age = re.findall(r"\d{2}\s?",row[5].lower())
            for i in age:
                print(i)

该程序在某些情况下似乎可以运行，但在我创建的用于试用的小测试文件中，它错误地匹配了字符串 "I have a 12 yo son" 和 returns 12 中提到的年龄匹配的年龄，我不希望这样。我猜这与程序中某些时候的括号或定界符有关，但我花了几个小时在上面，但我在论坛上找不到任何有用的东西，所以任何帮助将不胜感激。

因此，实际问题是：如何让程序根据我已有的程序，不将 "John, father of a 12 year old kid, engineer" 中的 12 识别为用户的年龄？

我在编程方面有些新手，所以如果我忘记提及一些重要的事情，我深表歉意，如果您需要更多详细信息，请随时告诉我。

提前致谢！

Answer 1

好的，经过几天的程序调整，最重要的是，四处询问，我已经能够解决问题了！我无法给出详细的解释，因为我自己不确定是否完全理解它，但问题似乎是代码中空格的位置。但是，如果有人可以提供技术性的和适当的解释，请随时提出。

无论如何，解决办法是：

import csv 
import re

with open("test_bio.csv") as corpus:
corpus_read = csv.reader(corpus, delimiter=",")
for row in corpus_read:
    if re.search(r"\d{2}\s?(?=(?:years old|yo|yr old|y o|yrs old|year old)(?!\s?son|\s?daughter|\s?kid|\s?child))" ,row[5].lower()):
        age2 = re.findall(r"\d{2}\s?",row[5].lower())
        for z in age2:
            print(z)

再次感谢您的帮助！

在 Python 3 中使用前瞻推断年龄

Inferring age with lookaheads in Python 3

python

regex

lookahead