查找以辅音开头和结尾的单词

Question

我正在尝试找出那些以辅音字母开头和结尾的单词。下面是我尝试过的代码，但结果并不是我想要的。我现在很困惑，需要你们的帮助和建议。

import re

a = "Still, the conflicting reports only further served to worsen tensions in the Ukraine crisis, which has grown drastically \
in the past few weeks to a new confrontation between Russia and the West reminiscent of low points in the Cold War." 

b = re.findall(" ([b, c, d, f, g, h, j, k, l, m, n, p, q, r, s, t, v, w, x, y, z, ',', '.'].+?[b, c, d, f, g, h, j, k, l, m, n, p, q, r, s, t, v, w, x, y, z, ',', '.']) ", a.lower())
print(b)

输出结果是：

['the conflicting', 'further', 'to worsen', 'the ukraine crisis,', 'has', 'drastically', 'the past', 'weeks', 'new', 'between', 'the west', 'low', 'the cold']

但是输出结果不正确。我必须使用正则表达式。没有它的话，我觉得会太难了。

非常感谢！

Answer 1

首先，你应该用 split() 方法把 a 拆分成每一个单词。接着，你要检查每个单词的第一个字母和最后一个字母是否在 consonants 这个列表里。如果在的话，就把这个单词加到 all 里。最后，你把 all 的内容打印出来。

consonants = ['b', 'c', 'd', 'f', 'g', 'h', 'j', 'k', 'l', 'm', 'n', 'p', 'q', 'r', 's', 't', 'v', 'w', 'x', 'y', 'z']

a = "Still, the conflicting reports only further served to worsen tensions in the Ukraine crisis, which has grown drastically \
in the past few weeks to a new confrontation between Russia and the West reminiscent of low points in the Cold War."

all = []

for word in a.split():
    if word[0] in consonants and word[len(word)-1] in consonants:
        all.append(word)

print all

Answer 2

如果你想去掉标点符号，这个正则表达式可以用：

>>> re.findall(r'\b[bcdfghj-np-tv-z][a-z]*[bcdfghj-np-tv-z]\b', a.lower())
['still', 'conflicting', 'reports', 'further', 'served', 'worsen', 'tensions', 'crisis', 'which', 'has', 'grown', 'drastically', 'past', 'few', 'weeks', 'new', 'confrontation', 'between', 'west', 'reminiscent', 'low', 'points', 'cold', 'war']

不过，你最开始的尝试看起来是想保留逗号和句号，所以如果这是你的目标，可以用这个：

>>> re.findall(r'\b[bcdfghj-np-tv-z][a-z]*[bcdfghj-np-tv-z][,.]?(?![a-z])', a.lower())
['still,', 'conflicting', 'reports', 'further', 'served', 'worsen', 'tensions', 'crisis,', 'which', 'has', 'grown', 'drastically', 'past', 'few', 'weeks', 'new', 'confrontation', 'between', 'west', 'reminiscent', 'low', 'points', 'cold', 'war.']

我不太明白为什么我第一个例子中的 \b 通常不会匹配到结尾的标点（文档上说它会），但无论如何，这些都能用。

如果你想考虑到缩写形式，表达式可以简单改成这个：

r"\b[bcdfghj-np-tv-z][a-z']*[bcdfghj-np-tv-z][,.]?(?![a-z])"

Answer 3

试试这个：

vowels = ['a', 'e', 'i', 'o', 'u']
words = [w for w in a.split() if w[0] not in vowels and w[-1] not in vowels]

不过这样做并不能处理以.和,结尾的单词。

补充说明：如果你需要用正则表达式来查找模式：

ending_in_vowel = r'(\b\w+[AaEeIiOoUu]\b)?' #matches all words ending with a vowel
begin_in_vowel = r'(\b[AaEeIiOoUu]\w+\b)?' #matches all words beginning with a vowel

我们需要找出所有既不以元音字母开头，也不以元音字母结尾的单词。

ignore = [b for b in re.findall(begin_in_vowel, a) if b]
ignore.extend([b for b in re.findall(ending_in_vowel, a) if b])

然后你的结果就是：

result = [word for word in a.split() if word not in ignore]

Answer 4

这里有一个很简单明了的解决办法，使用了 startswith() 和 endswith() 这两个函数。为了达到你的目标，你需要自己去掉一些特殊字符，并把你的字符串转换成一个单词的列表（在代码中叫做 s）：

vowels = ('a', 'e', 'i', 'o', 'u')
[w for w in s if not w.lower().startswith(vowels) and not w.lower().endswith(vowels)]