pampy超强的模式匹配工具的实现

 更新时间:2021年07月07日 15:45:56   作者:Python测试开发  
在自然语言处理界,模式匹配可以说是最常用的技术。甚至可以说,将NLP技术作为真实生产力的项目都少不了模式匹配。本文就介绍了pampy超强的模式匹配工具的实现,感兴趣的可以了解一下

何为模式匹配

模式匹配即给定某种模式,用这种模式去检查序列或字符串是否符合这种模式,这种技术在自然语言处理中经常使用。

下载pampy

pip install pampy

栗子

单个字符匹配

以下代码可以完成单个字符在对象中的匹配,使用_表示匹配结果。

from pampy import _,match

a=['a',1,'b',2,'c',3,'d',4]

patter = ['a',1,'b',2,'c',3,'d',_]

action=lambda x: f'result is: {x}'

print(match(a,patter,action))

执行结果:

>>> python test.py
>>> result is: 4

匹配开头和结尾

对于开头或者结尾连续的对象,我们可以使用这种方式实现快速匹配。

from pampy import _,match,HEAD,TAIL

a=['a',1,'b',2,'c',3,'d',4]

patter = [HEAD,_,'b',2,'c',3,TAIL]

action=lambda h,b,t: ({'head':h,'body':b,'tail':t})

print(match(a,patter,action))

执行结果:

>>> python test.py
>>> {'head': 'a', 'body': 1, 'tail': ['d', 4]}

以上,我们使用HEAD匹配了开头的若干字符,中间使用_匹配了某个数字,结尾我们使用TAIL配了若干字符。

匹配字典的key

当我们只知道某个字典的部分内容,却想要得到某个value的key时,用这种方式事半功倍。

from pampy import _,match,HEAD,TAIL

my_dic={
    'phone':{'huawei':'ok','iphone':'good','chuizi':'bad'},
    'language':{
        'chinese':['xian','beijing'],
        'english':['usa','canada']
    }
}
patter = {_:{_:'ok'}}

action=lambda a,b: {'key1':a,'key2':b}

print(match(my_dic,patter,action))

运行结果:

>>> python test.py
>>> {'key1': 'phone', 'key2': 'huawei'}

如上,我们已经匹配到了字典的第一层和第二层的Key值。

如上面的例子,我们的模式一定要保持字典结构的完整。

使用

特性1: HEAD 和 TAIL

HEAD和TAIL能代表某个模式的前面部分或后面部分。

比如将特定模式后的元素都变成元组:

from pampy import match, HEAD, TAIL, _

x = [-1, -2, -3, 0, 1, 2, 3]

print(match(x, [-1, TAIL], lambda t: [-1, tuple(t)]))
# => [-1, (-2, -3, 0, 1, 2, 3)] 
 
将特定模式前的元素设为集合,后面的元素设为元组:

from pampy import match, HEAD, TAIL, _

x = [-1, -2, -3, 0, 1, 2, 3]

print(match(x, [HEAD, _, _, 0, TAIL], lambda h, a, b, t: (set([h, a, b]), tuple(t))))
# => ({-3, -1, -2}, (1, 2, 3)) 

特性2:甚至能匹配字典中的键

在你不知道哪个键下有某个值的时候,这招非常好用:

from pampy import match, HEAD, TAIL, _
my_dict = {
    'global_setting': [1, 3, 3],
    'user_setting': {
        'face': ['beautiful', 'ugly'],
        'mind': ['smart', 'stupid']
    }
}
result = match(my_dict, { _: {'face': _}}, lambda key, son_value: (key, son_value))
print(result)
# => ('user_setting', ['beautiful', 'ugly']) 

特性3: 搭配正则

不仅如此,它还能搭配正则一起使用哦:

import re
from pampy import match, HEAD, TAIL, _
def what_is(pet):
    return match(pet,
        re.compile('(\\w+),(\\w)\\w+鳕鱼$'),     lambda mygod, you: you + "像鳕鱼",
    )

print(what_is('我的天,你长得真像鳕鱼'))     # => '你像鳕鱼' 

到此这篇关于pampy超强的模式匹配工具的实现的文章就介绍到这了,更多相关pampy 模式匹配工具内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • python函数运行内存时间等性能检测工具

    python函数运行内存时间等性能检测工具

    这篇文章主要为大家介绍了python函数运行内存时间等性能检测工具,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
    2022-05-05
  • Python中内置的数据结构类型详解(内置数据容器)

    Python中内置的数据结构类型详解(内置数据容器)

    在 Python 中,字典(dict)是一种非常常用的数据结构,用于存储键值对,这篇文章给大家介绍Python中内置的数据结构类型详解(内置数据容器),感兴趣的朋友一起看看吧
    2025-04-04
  • 安装不同版本的tensorflow与models方法实现

    安装不同版本的tensorflow与models方法实现

    这篇文章主要介绍了安装不同版本的tensorflow与models方法实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2021-02-02
  • pytorch实现focal loss的两种方式小结

    pytorch实现focal loss的两种方式小结

    今天小编就为大家分享一篇pytorch实现focal loss的两种方式小结,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-01-01
  • Python数学建模学习模拟退火算法旅行商问题示例解析

    Python数学建模学习模拟退火算法旅行商问题示例解析

    模拟退火算法不仅可以解决连续函数优化问题,KIRKPATRICK在1983年成功将其应用于求解组合优化问题,现已成为求解旅行商问题的常用方法,通常采用反序、移位和交换等操作算子产生新解
    2021-10-10
  • python3实现常见的排序算法(示例代码)

    python3实现常见的排序算法(示例代码)

    排序是非常常见的排序算法,今天给大家分享几种比较常见的排序算法,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧
    2021-07-07
  • python之列表推导式的用法

    python之列表推导式的用法

    这篇文章主要介绍了python之列表推导式的用法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2019-11-11
  • NumPy双曲函数与集合操作详解

    NumPy双曲函数与集合操作详解

    NumPy 提供了 sinh()、cosh() 和 tanh() 等 ufunc,它们接受弧度值并生成相应的双曲正弦、双曲余弦和双曲正切值,我们可以使用 NumPy 的 unique() 方法从任何数组中找到唯一元素,本文给大家详细介绍了NumPy双曲函数与集合操作,需要的朋友可以参考下
    2024-06-06
  • Python实现LM算法的示例代码

    Python实现LM算法的示例代码

    L-M方法全称Levenberg-Marquardt方法,是一种非线性最小二乘优化算法,这篇文章整理了该算法的Python和C++实现方法,需要的可以参考一下
    2023-06-06
  • pycharm实现设置自动的参数注释标识

    pycharm实现设置自动的参数注释标识

    这篇文章主要介绍了pycharm实现设置自动的参数注释标识,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教
    2022-02-02

最新评论