RegEx 中的负面回顾：一次匹配多个 POS 标签
Negative lookbehind in RegEx: Matching multiple POS-tags at once
我对正则表达式还是很陌生，所以我很感激任何帮助。
我正在尝试使用正则表达式在使用 CLAWS7 标记集进行词性标记的文本语料库中查找特定的语法模式。
这是一个示例：
Ya_UH and_CC then_RT uhm_NN1 we_PPIS2 wrote_VVD in_RP but_CCB already_RR taken_VVN up_RP that_DD1 day_NNT1 that_CST we_PPIS2 wanted_VVD actually_RR they_PPHS2 said_VVD still_RR available_JJ you_PPY know_VV0 so_RR by_II that_DD1 time_NNT1 we_PPIS2 we_PPIS2 write_VV0 in_II our_APPGE letter_NN1 two_MC weeks_NNT2 later_RRR already_RR taken_VVN up_RP Quite_RG good_RR uh_UH P ICE-SIN:S1A-001#74:1:B Ask_VV0 her_PPHO1 I_PPIS1 left_VVD my_APPGE house_NN1 at_II one_MC1 met_VVD
PRO_NN1 in_II school_NN1 at_II two_MC Ya_PPY so_RR waited_VVD you_PPY know_VV0 they_PPHS2 say_VV0 half_DB hour_NNT1 later_RRR And_CC and_CC it_PPH1 was_VBDZ
still_RR drizzling_JJ and_CC raining_VVG
我正在寻找的模式是 \w*\_V.*?（= 每个动词）的每个实例，即 而不是 前面有一个代词。代词可以有这些标签：
_PN _PN1 _PNQO _PNQS _PNQV _PNX1 _PPGE _PPH1 _PPHO1 _PPHO2 _PPHS2 _PPIO1 _PPIO2 _PPIS1 _PPIS2 _PPX1 _PPX2 _PPY
在示例中，理想的正则表达式应该匹配：
taken_VVN
met_VVD
Ask_VV0
waited_VVD
raining_VVG
使用否定回顾，我设法创建了以下表达式，它只匹配前面没有 _PPIS2 标记的动词：
(?<!\_PPIS2)\s\w*\_V.*?
我该怎么做才能将它扩展到所有其他代词标签？我试过下面的表达式，但它们要么根本不匹配任何东西，要么匹配错误的实例。
(?<!\_P.*)\s\w*\_V.*? (no match)
(?<![\_P.*])\s\w*\_V.*? (wrong results)
如有任何想法或解释，我们将不胜感激。
也许会有一个更聪明的模式，但是对于 Sublime Text 3，你可以使用 (*SKIP)(*F) 的组合来首先匹配你不想要的，丢弃那些匹配的，然后匹配你想要的：
_P(?:N(?:X?1|Q[OSV]|)|P(?:GE|H1|(?:[HI]O|IS|X)[12]|HS2|Y))\s\w+_V[A-Z0-9]*\b(*SKIP)(*F)|\w+_V[A-Z0-9]*\b
在线查看demo。由于您所有的单词都以下划线结尾，后跟适当的语法模式，我认为它应该符合您的需要。
您可以在 sublime 中使用这个 PCRE 正则表达式：
\b\w*_P\w*\h+\w*_V\w*(*SKIP)(*F)|\b\w*_V\w*
正则表达式详细信息：
\b\w*_P\w*：匹配一个含有_P的词\h+：匹配 1+ 个空格\w*_V\w*: 在任何地方匹配_V的单词(*SKIP)(*F)：跳过并使匹配的子字符串失败|: 或\b\w*_V\w*：在任何地方用 _V 匹配一个词（这些是我们的匹配项）
您可以使用
\b(?:[^\W_]+_[^\W_]+ )?(?<!_PN |_PN1 |_PNQ[OVS] |_PNX1 |_PPGE |_PPH1 |_PPHO[12] |_PPHS2 |_PPIO[12] |_PPIS[12] |_PPX[12] |_PPY )[^\W_]*_V\w*
参见regex demo。
详情
\b - 单词边界(?:[^\W_]+_[^\W_]+ )? - 一个可选的序列
[^\W_]+ - 一个或多个 letters/digits_ - 下划线[^\W_]+ - 一个或多个 letters/digits 和一个 space
(?<!_PN |_PN1 |_PNQ[OVS] |_PNX1 |_PPGE |_PPH1 |_PPHO[12] |_PPHS2 |_PPIO[12] |_PPIS[12] |_PPX[12] |_PPY ) - 如果上面的任何模式立即出现在当前位置的左侧，则匹配失败的负面回顾[^\W_]* - 零个或多个 digits/letters_V - _V 字符串\w* - 任何零个或多个单词字符。
我对正则表达式还是很陌生，所以我很感激任何帮助。 我正在尝试使用正则表达式在使用 CLAWS7 标记集进行词性标记的文本语料库中查找特定的语法模式。 这是一个示例：
Ya_UH and_CC then_RT uhm_NN1 we_PPIS2 wrote_VVD in_RP but_CCB already_RR taken_VVN up_RP that_DD1 day_NNT1 that_CST we_PPIS2 wanted_VVD actually_RR they_PPHS2 said_VVD still_RR available_JJ you_PPY know_VV0 so_RR by_II that_DD1 time_NNT1 we_PPIS2 we_PPIS2 write_VV0 in_II our_APPGE letter_NN1 two_MC weeks_NNT2 later_RRR already_RR taken_VVN up_RP Quite_RG good_RR uh_UH P ICE-SIN:S1A-001#74:1:B Ask_VV0 her_PPHO1 I_PPIS1 left_VVD my_APPGE house_NN1 at_II one_MC1 met_VVD PRO_NN1 in_II school_NN1 at_II two_MC Ya_PPY so_RR waited_VVD you_PPY know_VV0 they_PPHS2 say_VV0 half_DB hour_NNT1 later_RRR And_CC and_CC it_PPH1 was_VBDZ still_RR drizzling_JJ and_CC raining_VVG
我正在寻找的模式是 \w*\_V.*?（= 每个动词）的每个实例，即 而不是 前面有一个代词。代词可以有这些标签：
_PN _PN1 _PNQO _PNQS _PNQV _PNX1 _PPGE _PPH1 _PPHO1 _PPHO2 _PPHS2 _PPIO1 _PPIO2 _PPIS1 _PPIS2 _PPX1 _PPX2 _PPY
在示例中，理想的正则表达式应该匹配：
taken_VVN
met_VVD
Ask_VV0
waited_VVD
raining_VVG
使用否定回顾，我设法创建了以下表达式，它只匹配前面没有 _PPIS2 标记的动词：
(?<!\_PPIS2)\s\w*\_V.*?
我该怎么做才能将它扩展到所有其他代词标签？我试过下面的表达式，但它们要么根本不匹配任何东西，要么匹配错误的实例。
(?<!\_P.*)\s\w*\_V.*? (no match)
(?<![\_P.*])\s\w*\_V.*? (wrong results)
如有任何想法或解释，我们将不胜感激。
也许会有一个更聪明的模式，但是对于 Sublime Text 3，你可以使用 (*SKIP)(*F) 的组合来首先匹配你不想要的，丢弃那些匹配的，然后匹配你想要的：
_P(?:N(?:X?1|Q[OSV]|)|P(?:GE|H1|(?:[HI]O|IS|X)[12]|HS2|Y))\s\w+_V[A-Z0-9]*\b(*SKIP)(*F)|\w+_V[A-Z0-9]*\b
在线查看demo。由于您所有的单词都以下划线结尾，后跟适当的语法模式，我认为它应该符合您的需要。
您可以在 sublime 中使用这个 PCRE 正则表达式：
\b\w*_P\w*\h+\w*_V\w*(*SKIP)(*F)|\b\w*_V\w*
正则表达式详细信息：
\b\w*_P\w*：匹配一个含有_P的词\h+：匹配 1+ 个空格\w*_V\w*: 在任何地方匹配_V的单词(*SKIP)(*F)：跳过并使匹配的子字符串失败|: 或\b\w*_V\w*：在任何地方用_V匹配一个词（这些是我们的匹配项）
您可以使用
\b(?:[^\W_]+_[^\W_]+ )?(?<!_PN |_PN1 |_PNQ[OVS] |_PNX1 |_PPGE |_PPH1 |_PPHO[12] |_PPHS2 |_PPIO[12] |_PPIS[12] |_PPX[12] |_PPY )[^\W_]*_V\w*
参见regex demo。
详情
\b- 单词边界(?:[^\W_]+_[^\W_]+ )?- 一个可选的序列[^\W_]+- 一个或多个 letters/digits_- 下划线[^\W_]+- 一个或多个 letters/digits 和一个 space
(?<!_PN |_PN1 |_PNQ[OVS] |_PNX1 |_PPGE |_PPH1 |_PPHO[12] |_PPHS2 |_PPIO[12] |_PPIS[12] |_PPX[12] |_PPY )- 如果上面的任何模式立即出现在当前位置的左侧，则匹配失败的负面回顾[^\W_]*- 零个或多个 digits/letters_V-_V字符串\w*- 任何零个或多个单词字符。