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（实际上我有嵌套的动词变形词，但这不相关），我想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', 
} 

...使：

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

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

'hablaba(s|is|n)?' 

...但我想要一个一般的形式。那可能吗？

Answer 1

是的，我相信这是可能的。

为了让你开始，这是我如何打破这个问题。

通过查找所有的下降值的开头匹配尽可能长的字符串计算根：

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

无论剩下的言语，使神经末梢的list。

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

那么你可能想剔除掉重复：

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

然后，这些神经末梢连同管道连接：

>>> 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相结合的根和圆括号中的conjoined_endings字符串：

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

Answer 2

我认为你需要有一个不太聪明的做法

>>> x={ 
... 'yo': 'hablaba', 
... 'tú': 'hablabas', 
... 'él': 'hablaba', 
... 'nosotros': 'hablábamos', 
... 'vosotros': 'hablabais', 
... 'ellos': 'hablaban', 
... 'vos': 'hablabas', 
... } 
>>> x 
{'t\xc3\xba': 'hablabas', 'yo': 'hablaba', 'vosotros': 'hablabais', '\xc3\xa9l': 'hablaba', 'nosotros': 'habl\xc3\xa1bamos', 'ellos': 'hablaban', 'vos': 'hablabas'} 
>>> x.values 
<built-in method values of dict object at 0x20e6490> 
>>> x.values() 
['hablabas', 'hablaba', 'hablabais', 'hablaba', 'habl\xc3\xa1bamos', 'hablaban', 'hablabas'] 
>>> "|".join(x.values()) 
'hablabas|hablaba|hablabais|hablaba|habl\xc3\xa1bamos|hablaban|hablabas' 

如果你刚刚加入与交替操作的哈希值，那么它应该做你想做的