常用正则表达式匹配Antconc英文句式搭配

引言：标准英文句式不会写？逐个百度google太麻烦？快用Antconc啊，导入语料仅需几步操作即可帮你分析词频，找到常用搭配！

一、正则常用特殊字符

字符	描述
^	匹配输入字符串的开始位置。
$	匹配输入字符串的结束位置。
*	匹配前一个子表达式零次或多次。例如，zo* 能匹配 z以及 zoo。* 等价于{0,}。
+	匹配前面的子表达式一次或多次。例如，’zo+’ 能匹配 “zo” 以及 “zoo”，但不能匹配 “z”。+ 等价于 {1,}。
?	匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 “do” 或 “does” 。? 等价于 {0,1}。
.	匹配除换行符 \n 之外的任何单字符。
()	标记一个子表达式的开始和结束位置。
[]	中括号表达式。
{}	标记限定数量符。如wor{2}可以匹配words而不能匹配word
x|y	匹配 x 或 y。例如，‘z|food’ 能匹配 “z” 或 “food”。’(z|f)ood’ 则匹配 “zood” 或 “food”。
[xyz]	字符集合，等价于x|y|z
[^xyz]	负值字符集合。匹配未包含的任意字符。例如， ‘[^abc]’ 可以匹配 “plain” 中的’p’、‘l’、‘i’、‘n’。
[a-z]	字符范围。
[^a-z]	负值字符范围。如’[^a-z]’ 可以匹配任何不在 ‘a’ 到 ‘z’ 范围内的任意字符。

二、正则常用元字符

字符	描述
\s	匹配任何空白字符。
\S	匹配任何非空白字符。
\w	匹配字母、数字、下划线。等价于’[A-Za-z0-9_]’。
\W	匹配非字母、数字、下划线。等价于 ‘[^A-Za-z0-9_]’。
\b	匹配一个单词边界。例如 ‘er\b’ 可以匹配"never" 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。
\B	匹配非单词边界。‘er\B’ 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’。
\d	匹配一个数字字符。等价于 [^0-9]。
\D	匹配一个非数字字符。等价于 [^0-9]。

三、英文常用词性对照表整理

词性标记	英文全称	中文解释	示例
AD	Adverbs	副词	包括情态副词、频率副词、程度副词、连接副词等
CC	Coordinating conjunction	并列连词	和、与、或、或者
CS	Subordinating conj	从属连词	若，如果，如
DT	Determiner	限定词，冠词	the,a,an,this,every,each,any,your,their,whose等)
EX	Existence There	存在词汇	there
IN	Prepositions and Subordinating Conjunctions	介词和从属连词	in,about,to
JJ	Noun-modifier other thannouns	其他名词形容词	共同/JJ的/DEG目的/NN 他/PN是/VC男//JJ的/DEG
NN	Common nouns	普通名词(单数或复数)	桌子(一般正则用_N\w*)
NR	Proper nouns	专有名词	天安门
VB	Verbs (base form)	动词原形
VH		动词"有" 的词类标记	have
VV	verbs	其他动词	情态动词，提升谓词（如“can”），控制动词（如“要”、“想”）, 行为动词（如“走”），心理动词（如“喜欢”、“了解”、“怨恨”
VA	Predicative adjective	谓词形容词	太阳红彤彤/VA
MD	Modal Verbs	情态动词	can,may
VC	Copula	系动词	am.is.are,was
RB	Adverbs	副词
TO	to	单词to
RP	Particles	小品词	along,away,by,down,in,off,on,out,over

以下根据Antconc软件以及词性标注数据，做了一个词频如下图

然后导出到Excel中进行清洗，得到如下图，并进行重点标注，方便正对性记忆。

四、使用案例

首先，我们使用已词性标记的英文语料，标记形式如下图。可见词性标记先将文本内容分词(常用HMM隐马模型进行词性标注任务)，然后在每个词后面加入_<词性缩写>来达到标记效果，如The_DT表示标记为冠词的单词The。

在了解了具体词性标注文本格式后，我们在匹配想要的句式结构时，就可以利用<原词>_<词性缩写>格式特点来写正则表达式。

【句式1】：be动词+冠词/副词(if any)+形容词+名词/介词

【正则表达式】：

\S+_VB\w*\s\S+((_DT)|(_RB\w*))\s\S+_JJ\w*\s\S+((_NN\w*)|(_IN))\s

【部分解释】：

• \S+意图匹配下划线_前的非空原词字符串，+表示非空字符\S有1个或多个，这样我们就可匹配到_前的一个任意长度单词(字符串)，例如该项可匹配到is_VBZ中的is。
• _VB\w*\s是匹配词性，但是词性按粗粒度到细粒度划分有很多，比如VB(动词原形)下属有VBZ(第三人称单数动词),VBG(动名词或现在分词),VBP(非第三人称单数动词)。因此，我们在后面加\w*表示可以匹配0或多个字符（*采用贪心匹配，选择最长字符作为结果），最后因为词与词之间是空格，因此再加入\s用来匹配一个空字符。例如该项可匹配到is_VBZ中的_VBZ(空格)。
• ((_DT)|(_RB\w*))意图匹配DT冠词或RB副词，()中为子表达式，如(_DT)将_DT作为一个整体，通过|或关系对冠词或副词进行匹配。例如该项可匹配到also_RB中的_RB或a_DT中的_DT。
• 其余原理相似，不再赘述。

【句式1的其他等价写法】：能合并同类项可以少些点。

\S+_VB\w*\s((\S+_DT)|(\S+_RB\w*))\s\S+_JJ\w*\s\S+((_NN\w*)|(_IN))\s
\S+_VB\w*\s((\S+_DT\s\S+)|(\S+_RB\w*\s\S+))_JJ\w*\s\S+((_NN\w*)|(_IN))\s

得到结果如下图

可见有驸马标记，为了简洁好看，我们可以通过全局设置将其隐藏，如下图

最终结果如下图，可见有很多实用的论文书面搭配。

【句式2】：形容词+名词+have(has)+动词过去式+that

【正则表达式】：

\S+_JJ\w*\s\S+_N\w*\s\S+_VH\w*\s\S+_VV\w*\sthat

【部分解释】：

• VH\w*意图匹配动词有及其下属词性，如have,has等。
• \sthat注意匹配的是(空格)that
• VV匹配其他动词词性，如shown,found等。

【句式3】：形容词+名词+动词(任意形式)+that

【正则表达式】：

\S+_JJ\w*\s\S+_N\w*\s\S+_V\w*\sthat

【句式4】：…+形容词+classifier(s)+…

【正则表达式】：

\S+_JJ\sclassifiers?

【部分解释】：

• classifiers?意图匹配classifier后面的字符s可有可无，可匹配到classifier以及classifiers。

【句式5】：however/although/nevertheless(固定连词)+带有形容词的从句

【正则表达式】：

((however)|(although)|(nevertheless)).+\S+_JJ\w*\s

【部分解释】：

• .+匹配如although之后的长度为1及以上非换行符\n字符串。本例中匹配although_IN in_IN many_JJ中的_IN in_IN(空格)

【句式6】：we/study/research/paper+任意词(if any)+动词

【正则表达式】：

((we)|(study)|(research)|(paper))_\S+\s(\S+_\S+\s)?\S+_VV\w*\s

如果想精确性查找This paper+任意词(if any)+动词则可以使用

this_DT\spaper_NN\s(\S+_\S+\s)?\S+_VV\w*\s

【部分解释】：

• (\S+_\S+\s)?匹配0个或1个任意词<原词>_<词性>(空格)，若替换为*则匹配0个或多个

【注】：修改底部KWIC的排序方式，从左到右依次按照ASCII码大小排序，修改后排序方式变化但总记录数不变。

【句式7】：动词+任意词(if any)+question

【正则表达式】：

\S+_VV\w*\s(\S+_\S+\s)?questions?

【部分解释】：

• (\S+_\S+\s)?匹配0个或1个任意词<原词>_<词性>(空格)，若替换为*则匹配0个或多个
• questions?匹配question和questions

【句式8】：This paper+be动词+动词被动+as follows

【正则表达式】：

paper_NN\s\S+_VB\w*\s\S+_VV\w*

附录-完整词性表

英文简写	英文全称	中文解释
CC	Coordinating Conjunctions	并列连词
CD	Cardinal Numbers	基数词
DT	Determiners	限定词(例:the,a,an,this,every,each,any,your,their,whose等)
EX	Existence There	存在词汇there
FW	Foreign Words	外来语/词
IN	Prepositions and Subordinating Conjunctions	介词和从属连词
JJ	Adjectives	形容词
JJR	Comparative Adjectives	形容词比较级
JJS	Superlative Adjectives	形容词最高级
LS	List Item Markers	列表项标记(例:1. , 2., a, a., ….)
MD	Modal Verbs	情态动词
NN	Common Nouns(Singular or Mass)	普通名词(单数或复数)
NNS	Common Nouns (Plural)	普通名词(复数)
NNP	Proper Nouns (Singular)	专有名词(单数)
NNPS	Proper Nouns (Plural)	专有名词(复数)
PDT	Predeterminers	前置限定词(例:both,all…)
POS	Possessive Endings ‘s	以’s结束的词(例:he’s, it’s.)
PRP	Personal Pronouns	人称代词(例:i,me,my,you…)
PRP$	Possessive Pronouns	物主代词(例:mine,ours,thine,yours,his,hers,its…)
RB	Adverbs	副词
RBR	Comparative Adverbs	程度副词(例:hard,fast,early,well,badly,far,quietly,carefully,happily …)
RBS	Superlative Adverbs	副词最高级
RP	Particles	小品词(例:along,away,back,by,down,forward,in,off,on,out,over,round,under,up…)
SYM	Symbols	符号
TO	to	单词to
UH	Interjection	感叹词(例:aha, ahem, ahh, ahoy, alas, arg, aw, bam, bingo, blah, boo, bravo, brrr,oh …)
VB	Verbs (base form)	动词原形
VBD	Verbs (past tense)	动词(过去时态)
VBG	Verbs (gerund or present participle)	动词(动名词或现分词)
VBN	Verbs (past participle)	动词(过去分词)
VBP	Verbs (non 3rd person singular present)	动词(非第三人称单数)
VBZ	Verbs (3rd person singular present)	动词(第三人称单数)
WDT	Wh-determiner	Wh开头的限定词(例:what,which…)
WP$	Possessive wh-pronoun	Wh开头代词的所有格(例:whom, whose…)
WRB	Wh-adverb	Wh开头的副词(例:when, where, why, how, whence, whereby, wherein, whereupon, and how)

【参考资料】
[1] 菜鸟教程.正则表达式-元字符
[2] stanfordCorenlp在python3中的安装使用+词性学习
[3] 斯坦福Stanford coreNLP宾州树库的词性标注规范