Как сопоставить типичный tri-phone с помощью регулярных выражений?

Question

Например, есть китайские гласные и согласные фонемы

vowels  = ['a', 'ai', 'an', 'ang', 'ao', 'e', 'ei', 'en', 'eng', 'er', 'i', 'ia', 'ian', 'iang', 'iao', 'ie', 'ii', 'iii', 'in', 'ing', 'iong', 'iou', 'o', 'ong', 'ou', 'u', 'ua', 'uai', 'uan', 'uang', 'uei', 'uen', 'ueng', 'uo', 'v', 'van', 've', 'vn', 'zh']

consonants = ['b','c','ch', 'd', 'f', 'g', 'h', 'j', 'k', 'l', 'm', 'n', 'p', 'q', 'r', 's', 'sh',' sp', 'sil', 't', 'x', 'z']

Предположим, у меня есть три-телефон, подобный следующему:

Три-телефон "a-b + c" означает предыдущий, current, следующая фонема - это a, b и c.

Я хочу использовать регулярное выражение для извлечения смежного шаблона гласных, таких как vowel-vowel+* и *-vowel+vowel.

Например,

Совпадение: ч-ю + x, b- ai + vn , e-uang + x

Не совпадают: sil-z + ai , vn -l + v , x- ia + f

Я использую этот код:

v = '|'.join(vowels)           # Or v = '^'+'|'.join(consonants)
p = r'({0}\-{0}\+.*)|(.*\-{0}\+{0})'.format(v)

Однако re.match(p,'z-en+iang') все еще дает False.Так как это исправить?Спасибо

Answer 1

import re

vowels  = ['a', 'ai', 'an', 'ang', 'ao', 'e', 'ei', 'en', 'eng', 'er', 'i', 'ia', 'ian', 'iang', 'iao', 'ie', 'ii', 'iii', 'in', 'ing', 'iong', 'iou', 'o', 'ong', 'ou', 'u', 'ua', 'uai', 'uan', 'uang', 'uei', 'uen', 'ueng', 'uo', 'v', 'van', 've', 'vn', 'zh']
consonants = ['b','c','ch', 'd', 'f', 'g', 'h', 'j', 'k', 'l', 'm', 'n', 'p', 'q', 'r', 's', 'sh','sp', 'sil', 't', 'x', 'z']
# joining vowels with |
vowels_string = '|'.join(vowels)
# joining consonants with |
consonants_string = '|'.join(consonants)

# joining all characters with |
all_chars = "{}|{}".format(vowels_string, consonants_string)

reg1 = '^(?:{1})-(?:{0})\+(?:{0})$'.format(vowels_string, all_chars) # allchars-vowel+vowel
reg2 = '^(?:{0})-(?:{0})\+(?:{1})$'.format(vowels_string, all_chars) # vowel-vowel+allchars 

# compiling the regex
regex = re.compile(
    '({})|({})'.format(reg1, reg2)
)

# testing
print(re.match(regex, 'zh-uei+x'))
print(re.match(regex, 'b-ai+vn'))
print(re.match(regex, 'e-uang+x'))
print(re.match(regex, 'z-en+iang'))

print(re.match(regex, 'sil-z+ai'))
print(re.match(regex, 'vn-l+v'))
print(re.match(regex, 'x-ia+f'))

• vowels_string содержит все гласные, разделенные или или (|)

• consonants_string содержит все согласные, разделенные или или (|)

• all_chars содержит все символы, разделенные или (|)

регулярное выражение: (1 - all_chars и 0 - vowels_string)

'^ -> beginning of string
(?:{1})  -> all characters
-
(?:{0}) -> vowels
\+
(?:{0}) -> vowels
$'-> end of string