如何基于词性标记（括号类型）对句子中的关键词进行分类与排序-Python教程-PHP中文网

如何基于词性标记（括号类型）对句子中的关键词进行分类与排序

本文介绍一种使用正则表达式精准提取并按词性（如 [] 表示名词、() 表示动词、{} 表示形容词/副词）分类句子中关键词的 Python 方法，解决原始逻辑中因边界查找错误导致的误匹配问题。

本文介绍一种使用正则表达式精准提取并按词性（如 `[]` 表示名词、`()` 表示动词、`{}` 表示形容词/副词）分类句子中关键词的 python 方法，解决原始逻辑中因边界查找错误导致的误匹配问题。

在自然语言处理或文本标注任务中，常需从结构化标记文本（如 [Noun]、(Verb)、{Adj}）中自动识别关键词及其语法角色。原始代码使用 str.find() 手动定位括号位置，存在严重缺陷：当某类括号未出现时，find() 返回 -1，而切片操作 s[-1:end] 会意外截取字符串末尾内容，导致空键 '' 和错配句子（例如将 {mehr} 句误归入 [] 分类）。根本原因在于缺乏边界检查和模式健壮性。

推荐采用正则表达式（re 模块）替代手工解析。它能精确匹配成对符号内的内容，并天然规避无匹配时的异常行为。以下为清晰、可维护的实现方案：

✅ 基础版：三字典分离结构

import re

def getWordsSelected(sentences):
    verbDict = {}
    subsDict = {}
    adjDict = {}

    for sentence in sentences:
        # 提取 [] 中的名词（substantive）
        if matches := re.findall(r'[([^]]*)]', sentence):
            for word in matches:  # 支持一句多词
                subsDict.setdefault(word, []).append((sentence, "substantive"))

        # 提取 () 中的动词（verb）
        if matches := re.findall(r'(([^)]*))', sentence):
            for word in matches:
                verbDict.setdefault(word, []).append((sentence, "verb"))

        # 提取 {} 中的形容词/副词（adjective）
        if matches := re.findall(r'{([^}]*)}', sentence):
            for word in matches:
                adjDict.setdefault(word, []).append((sentence, "adjective"))

    return {"substantive": subsDict, "verb": verbDict, "adjective": adjDict}

# 示例数据
sentences = [
    "Es (duftete) nach Erde und Pilze",
    "die [Wände] waren mit Moos überzogen.",
    "Ihr zerrissenes [Gewand] war wieder wie neu",
    "Er saß da wie verzaubert und schaute sie an und konnte seine Augen nicht {mehr} von ihr abwenden",
    "Da sie durchscheinend waren, sahen sie aus wie aus rosa [Glas], das von innen erleuchtet ist.",
]

result = getWordsSelected(sentences)
print(result["substantive"])  # {'Wände': [...], 'Gewand': [...], 'Glas': [...]}
print(result["verb"])        # {'duftete': [...]}
print(result["adjective"])   # {'mehr': [...]}

? 关键修复点：

使用 r'[([^]]*)]' 等带闭合括号的正则（原答案漏写结尾 ]），确保只匹配完整 [] 对；

re.findall() 在无匹配时返回空列表 []，配合 if matches: 判断可安全跳过；

setdefault(word, []).append(...) 支持同一关键词多次出现（如多句含 [Haus]）；

每个元组 (sentence, pos_tag) 明确绑定原始句与词性，便于后续合并或扩展。

? 进阶版：可扩展的统一架构

若需支持更多词性（如 «Adverb»、

），推荐参数化设计：<pre class="brush:php;toolbar:false;">import re

def getWordsSelected(sentences, categories=None):
    """
    通用关键词分类器
    :param sentences: 句子列表
    :param categories: {词性名: "开括号闭括号"} 字典，如 {"noun": "[]", "verb": "()"}
    """
    if categories is None:
        categories = {
            "substantive": "[]",
            "verb": "()",
            "adjective": "{}"
        }

    result = {cat: {} for cat in categories}

    for sentence in sentences:
        for category, delimiters in categories.items():
            start, end = re.escape(delimiters[0]), re.escape(delimiters[1])
            pattern = fr'{start}([^\{end}]*){end}'
            if matches := re.findall(pattern, sentence):
                for word in matches:
                    result[category].setdefault(word, []).append((sentence, category))

    return result

# 调用示例（输出为嵌套字典）
output = getWordsSelected(sentences)
# output["substantive"]["Wände"] → [('die [Wände] waren...', 'substantive')]