如何从单词列表中创建正则表达式？

Question

我有一个单词的词典(实际上我已经嵌套了动词变形的词组,但这没有关系)我希望通过组合它们来制作一个正则表达式.

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

......制作:

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

如果我不包括'hablábamos'它很容易 - 它们都是相同的前缀,我可以得到:

'hablaba(s|is|n)?'

......但我想要一般形式.那可能吗？

Answer 1

是的,我相信这是可能的.

为了帮助您入门,我将解决这个问题.

通过查找与所有拒绝值的开头匹配的最长字符串来计算根:

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

无论剩下的是什么,都会产生list一些结局.

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

然后,您可能希望清除重复项:

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

然后将这些结尾与管道连接起来:

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

形成正则表达式是一个简单的事情,它将括号中的root和conjoined_endings字符串组合在一起:

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