如何从单词列表创建正则表达式？

Question

我有一个包含单词的字典（其实我有的是动词变位的嵌套字典，但这不是重点），我想通过组合这些单词来创建一个正则表达式。

{
  'yo': 'hablaba',
  'tú': 'hablabas',
  'él': 'hablaba',
  'nosotros': 'hablábamos',
  'vosotros': 'hablabais',
  'ellos': 'hablaban',
  'vos': 'hablabas',
}

... 这样可以得到：

'habl((aba(s|is|n)?)|ábamos)' # I think that's right

如果我不包括 'hablábamos'，那就简单多了——它们都有相同的前缀，我可以得到：

'hablaba(s|is|n)?'

... 但我想要一个通用的形式。这样做可能吗？

Answer 1

我觉得你需要换个简单点的方法

>>> x={
...   'yo': 'hablaba',
...   'tú': 'hablabas',
...   'él': 'hablaba',
...   'nosotros': 'hablábamos',
...   'vosotros': 'hablabais',
...   'ellos': 'hablaban',
...   'vos': 'hablabas',
... }
>>> x
{'t\xc3\xba': 'hablabas', 'yo': 'hablaba', 'vosotros': 'hablabais', '\xc3\xa9l': 'hablaba', 'nosotros': 'habl\xc3\xa1bamos', 'ellos': 'hablaban', 'vos': 'hablabas'}
>>> x.values
<built-in method values of dict object at 0x20e6490>
>>> x.values()
['hablabas', 'hablaba', 'hablabais', 'hablaba', 'habl\xc3\xa1bamos', 'hablaban', 'hablabas']
>>> "|".join(x.values())
'hablabas|hablaba|hablabais|hablaba|habl\xc3\xa1bamos|hablaban|hablabas'

如果你只是用一个交替运算符把哈希值连接起来，那应该就能达到你想要的效果

Answer 2

是的，我觉得这是可能的。

为了帮助你入门，我会把这个问题分解成几个步骤。

首先，计算出根字符串，也就是找到一个最长的字符串，这个字符串能够匹配所有被拒绝的值的开头：

>>> root = ''
>>> for c in hablar['yo']:
...     if all(v.startswith(root + c) for v in hablar.itervalues()):
...         root += c
...     else:
...        break
... 
>>> root
'habl'

剩下的单词就会形成一个list，里面是所有的结尾部分。

>>> endings = [v[len(root):] for v in hablar.itervalues()]
>>> print endings
['abas', 'aba', 'abais', 'aba', '\xc3\xa1bamos', 'aban', 'abas']

接下来，你可能需要去掉重复的部分：

>>> unique_endings = set(endings)
>>> print unique_endings
set(['abas', 'abais', '\xc3\xa1bamos', 'aban', 'aba'])

然后把这些结尾部分用管道符号连接起来：

>>> conjoined_endings = '|'.join(unique_endings)
>>> print conjoined_endings
abas|abais|ábamos|aban|aba

形成正则表达式其实很简单，只需要把根字符串和连接后的结尾字符串放在括号里组合起来：

>>> final_regex = '{}({})'.format(root, conjoined_endings)
>>> print final_regex
habl(abas|abais|ábamos|aban|aba)