知识卡片
正则示例输出要与模式一致
原书RegexpTokenizer构造行缺少合法字符串引号,不能照抄运行;即便使用完整的\w+,Don’t中的撇号也不属于词字符,不会自动保留整个缩略词。大写模式[A-Z]\w+还至少要一个后续词字符,因此示例不匹配单字母X。需先用代表性输入明确边界条件,不能把书中输出当模式正确性的证明。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
参考来源
- 位置:《Python编程精进(第1辑)(套装共3册)(异步图书)》精通Python自然语言处理 · 第1章 字符串操作,spine055单元007;来源项目book-sources,extracted/Python编程精进(第1辑)(套装共3册)(异步图书)/_epub-src/OEBPS/text00054.html。
- 结论依据:原文构造语法、缩略词期望与大写筛选例同读,按正则量词和字符类直接分析不一致,未运行测试。2026-11-06核对官方资料:https://www.nltk.org/_modules/nltk/tokenize/regexp.html。未在本机运行示例或改变环境。
- 原始内容: = RegexpTokenizer('[A-Z]\w+') >>> capt.tokenize(sent) ['She', 'She'] 下面的代码展示了 RegexpTokenizer 的一个子类是如何使用预定义正则表达式