import re
def person_identification_of_personal_pronouns_le_and_les_func(input_text, number_of_people_involved = "singular"):
if (number_of_people_involved == "singular"): assumed_subject_of_sentence, personal_pronoun = "(SINGULAR_PERS)", "le"
elif (number_of_people_involved == "plural"): assumed_subject_of_sentence, personal_pronoun = "(PLURAL_PERS)", "les"
n_or_more_words = r""
input_text = re.sub(r"(\(\(PERS\)(?:\w\s*)+\))\s*(" + n_or_more_words + r")\s*(" + personal_pronoun + r")\s*\(\(VERB\)",
lambda m: (f"{m[1]} {m[2]} " + assumed_subject_of_sentence + " {m[3]} ((VERB)"),
input_text, flags = re.IGNORECASE)
return input_text
#input string example:
input_text = "le ((VERB)empujé) hasta ((VERB)dejarle) en ese lugar. A ((PERS)Marcos) le ((VERB)dijeron) y luego le ((VERB)ayudo)"
input_text = person_identification_of_personal_pronouns_le_and_les_func(input_text, "singular")
print(repr(input_text)) # --> output
¿Cómo hago para que este programa agregue "(SINGULAR_PERS)"
delante de "le"
, si y solo si, no hay una secuencia "(\(\(PERS\)(?:\w\s*) )+\))"
dos o más palabras antes de la última aparición de la cadena "le"
(lo mismo si nunca hay una secuencia "(\(\(PERS\)(?:\w\s* )+\))
antes de "le"
, ya que se interpreta que hay no menos de 2 palabras de por medio, si nunca apareció la primera condición)?
Debería asignar a la variable n_or_more_words
un patrón de expresión regular que indique que se requieren al menos 2 o más palabras (una palabra se entiende como una secuencia de caracteres sin espacios entre \w+
) entre la última aparición de un secuencia "(\(\(PERS\)(?:\w\s*)+\))"
y un "le"
Entonces, después de realizar el reemplazo, debería obtener esta string por output:
"(SINGULAR_PERS) le ((VERB)empujé) hasta ((VERB)dejarle) en ese lugar. A ((PERS)Marcos) le ((VERB)dijeron) y luego (SINGULAR_PERS) le ((VERB)ayudo),
EDIT
Intento de código de la función:
def person_identification_of_personal_pronouns_le_and_les_func(input_text, number_of_people_involved="singular"):
if number_of_people_involved == "singular":
assumed_subject_of_sentence, personal_pronoun = "(SINGULAR_PERS)", "le"
elif number_of_people_involved == "plural":
assumed_subject_of_sentence, personal_pronoun = "(PLURAL_PERS)", "les"
n_or_more_words = r"\w+\s+\w+\s*"
input_text = re.sub(r"(\(\(PERS\)(?:\w\s*)+\))\s*(" + n_or_more_words + r")(" + personal_pronoun + r")\s*\(\(VERB\)",
lambda m: (f"{m[1]} {m[2]} " + assumed_subject_of_sentence + f" {m[3]} ((VERB)"),
input_text, flags=re.IGNORECASE)
return input_text
Esta funcion por algun motivo no logra modificar la string
\w
en medioinput_text = re.sub(r"\(\(PERS\)((?:\w\s*)+)\)(\s*((?!" + personal_pronoun + ")\w+\s+){2,})(" + personal_pronoun + ")", lambda m: (f"((PERS){m[1]}) {m[2]} " + assumed_subject_of_sentence + " " + personal_pronoun), input_text, flags = re.IGNORECASE)
, lo que falta mejorar es agregar en esa o en una segunda regex la capacidad de si no hay ningún"((PERS) )"
delante del primer"le"
entonces agregar"(SINGULAR_PERS)"
delante de ese primer"le"