引言：标准英文句式不会写？逐个百度google太麻烦？快用Antconc啊，导入语料仅需几步操作即可帮你分析词频，找到常用搭配！
一、正则常用特殊字符
| 字符 | 描述 |
|---|---|
| ^ | 匹配输入字符串的开始位置。 |
| $ | 匹配输入字符串的结束位置。 |
| * | 匹配前一个子表达式零次或多次。例如，zo* 能匹配 z以及 zoo。* 等价于{0,}。 |
| + | 匹配前面的子表达式一次或多次。例如，’zo+’ 能匹配 “zo” 以及 “zoo”，但不能匹配 “z”。+ 等价于 {1,}。 |
| ? | 匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 “do” 或 “does” 。? 等价于 {0,1}。 |
| . | 匹配除换行符 \n 之外的任何单字符。 |
| () | 标记一个子表达式的开始和结束位置。 |
| [] | 中括号表达式。 |
| {} | 标记限定数量符。如wor{2}可以匹配words而不能匹配word |
| x|y | 匹配 x 或 y。例如，‘z|food’ 能匹配 “z” 或 “food”。’(z|f)ood’ 则匹配 “zood” 或 “food”。 |
| [xyz] | 字符集合，等价于x|y|z |
| [^xyz] | 负值字符集合。匹配未包含的任意字符。例如， ‘[^abc]’ 可以匹配 “plain” 中的’p’、‘l’、‘i’、‘n’。 |
| [a-z] | 字符范围。 |
| [^a-z] | 负值字符范围。如’[^a-z]’ 可以匹配任何不在 ‘a’ 到 ‘z’ 范围内的任意字符。 |
二、正则常用元字符
| 字符 | 描述 |
|---|---|
| \s | 匹配任何空白字符。 |
| \S | 匹配任何非空白字符。 |
| \w | 匹配字母、数字、下划线。等价于’[A-Za-z0-9_]’。 |
| \W | 匹配非字母、数字、下划线。等价于 ‘[^A-Za-z0-9_]’。 |
| \b | 匹配一个单词边界。例如 ‘er\b’ 可以匹配"never" 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。 |
| \B | 匹配非单词边界。‘er\B’ 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’。 |
| \d | 匹配一个数字字符。等价于 [^0-9]。 |
| \D | 匹配一个非数字字符。等价于 [^0-9]。 |
三、英文常用词性对照表整理
| 词性标记 | 英文全称 | 中文解释 | 示例 |
|---|---|---|---|
| AD | Adverbs | 副词 | 包括情态副词、频率副词、程度副词、连接副词等 |
| CC | Coordinating conjunction | 并列连词 | 和、与、或、或者 |
| CS | Subordinating conj | 从属连词 | 若，如果，如 |
| DT | Determiner | 限定词，冠词 | the,a,an,this,every,each,any,your,their,whose等) |
| EX | Existence There | 存在词汇 | there |
| IN | Prepositions and Subordinating Conjunctions | 介词和从属连词 | in,about,to |
| JJ | Noun-modifier other thannouns | 其他名词形容词 | 共同/JJ的/DEG目的/NN 他/PN是/VC男//JJ的/DEG |
| NN | Common nouns | 普通名词(单数或复数) | 桌子(一般正则用_N\w*) |
| NR | Proper nouns | 专有名词 | 天安门 |
| VB | Verbs (base form) | 动词原形 | |
| VH | 动词"有" 的词类标记 | have | |
| VV | verbs | 其他动词 | 情态动词，提升谓词（如“can”），控制动词（如“要”、“想”）, 行为动词（如“走”），心理动词（如“喜欢”、“了解”、“怨恨” |
| VA | Predicative adjective | 谓词形容词 | 太阳红彤彤/VA |
| MD | Modal Verbs | 情态动词 | can,may |
| VC | Copula | 系动词 | am.is.are,was |
| RB | Adverbs | 副词 | |
| TO | to | 单词to | |
| RP | Particles | 小品词 | along,away,by,down,in,off,on,out,over |
以下根据Antconc软件以及词性标注数据，做了一个词频如下图
然后导出到Excel中进行清洗，得到如下图，并进行重点标注，方便正对性记忆。
四、使用案例
首先，我们使用已词性标记的英文语料，标记形式如下图。可见词性标记先将文本内容分词(常用HMM隐马模型进行词性标注任务)，然后在每个词后面加入_<词性缩写>来达到标记效果，如The_DT表示标记为冠词的单词The。
在了解了具体词性标注文本格式后，我们在匹配想要的句式结构时，就可以利用<原词>_<词性缩写>格式特点来写正则表达式。
【句式1】：be动词+冠词/副词(if any)+形容词+名词/介词
【正则表达式】：
\S+_VB\w*\s\S+((_DT)|(_RB\w*))\s\S+_JJ\w*\s\S+((_NN\w*)|(_IN))\s
【部分解释】：
\S+意图匹配下划线_前的非空原词字符串，+表示非空字符\S有1个或多个，这样我们就可匹配到_前的一个任意长度单词(字符串)，例如该项可匹配到is_VBZ中的is。_VB\w*\s是匹配词性，但是词性按粗粒度到细粒度划分有很多，比如VB(动词原形)下属有VBZ(第三人称单数动词),VBG(动名词或现在分词),VBP(非第三人称单数动词)。因此，我们在后面加\w*表示可以匹配0或多个字符（*采用贪心匹配，选择最长字符作为结果），最后因为词与词之间是空格，因此再加入\s用来匹配一个空字符。例如该项可匹配到is_VBZ中的_VBZ(空格)。((_DT)|(_RB\w*))意图匹配DT冠词或RB副词，()中为子表达式，如(_DT)将_DT作为一个整体，通过|或关系对冠词或副词进行匹配。例如该项可匹配到also_RB中的_RB或a_DT中的_DT。- 其余原理相似，不再赘述。
【句式1的其他等价写法】：能合并同类项可以少些点。
\S+_VB\w*\s((\S+_DT)|(\S+_RB\w*))\s\S+_JJ\w*\s\S+((_NN\w*)|(_IN))\s
\S+_VB\w*\s((\S+_DT\s\S+)|(\S+_RB\w*\s\S+))_JJ\w*\s\S+((_NN\w*)|(_IN))\s
得到结果如下图
可见有驸马标记，为了简洁好看，我们可以通过全局设置将其隐藏，如下图
最终结果如下图，可见有很多实用的论文书面搭配。
【句式2】：形容词+名词+have(has)+动词过去式+that
【正则表达式】：
\S+_JJ\w*\s\S+_N\w*\s\S+_VH\w*\s\S+_VV\w*\sthat
【部分解释】：
VH\w*意图匹配动词有及其下属词性，如have,has等。\sthat注意匹配的是(空格)thatVV匹配其他动词词性，如shown,found等。
【句式3】：形容词+名词+动词(任意形式)+that
【正则表达式】：
\S+_JJ\w*\s\S+_N\w*\s\S+_V\w*\sthat
【句式4】：…+形容词+classifier(s)+…
【正则表达式】：
\S+_JJ\sclassifiers?
【部分解释】：
classifiers?意图匹配classifier后面的字符s可有可无，可匹配到classifier以及classifiers。
【句式5】：however/although/nevertheless(固定连词)+带有形容词的从句
【正则表达式】：
((however)|(although)|(nevertheless)).+\S+_JJ\w*\s
【部分解释】：
.+匹配如although之后的长度为1及以上非换行符\n字符串。本例中匹配although_IN in_IN many_JJ中的_IN in_IN(空格)
【句式6】：we/study/research/paper+任意词(if any)+动词
【正则表达式】：
((we)|(study)|(research)|(paper))_\S+\s(\S+_\S+\s)?\S+_VV\w*\s
如果想精确性查找This paper+任意词(if any)+动词则可以使用
this_DT\spaper_NN\s(\S+_\S+\s)?\S+_VV\w*\s
【部分解释】：
(\S+_\S+\s)?匹配0个或1个任意词<原词>_<词性>(空格)，若替换为*则匹配0个或多个
【注】：修改底部KWIC的排序方式，从左到右依次按照ASCII码大小排序，修改后排序方式变化但总记录数不变。
【句式7】：动词+任意词(if any)+question
【正则表达式】：
\S+_VV\w*\s(\S+_\S+\s)?questions?
【部分解释】：
(\S+_\S+\s)?匹配0个或1个任意词<原词>_<词性>(空格)，若替换为*则匹配0个或多个questions?匹配question和questions
【句式8】：This paper+be动词+动词被动+as follows
【正则表达式】：
paper_NN\s\S+_VB\w*\s\S+_VV\w*
附录-完整词性表
| 英文简写 | 英文全称 | 中文解释 |
|---|---|---|
| CC | Coordinating Conjunctions | 并列连词 |
| CD | Cardinal Numbers | 基数词 |
| DT | Determiners | 限定词(例:the,a,an,this,every,each,any,your,their,whose等) |
| EX | Existence There | 存在词汇there |
| FW | Foreign Words | 外来语/词 |
| IN | Prepositions and Subordinating Conjunctions | 介词和从属连词 |
| JJ | Adjectives | 形容词 |
| JJR | Comparative Adjectives | 形容词比较级 |
| JJS | Superlative Adjectives | 形容词最高级 |
| LS | List Item Markers | 列表项标记(例:1. , 2., a, a., ….) |
| MD | Modal Verbs | 情态动词 |
| NN | Common Nouns(Singular or Mass) | 普通名词(单数或复数) |
| NNS | Common Nouns (Plural) | 普通名词(复数) |
| NNP | Proper Nouns (Singular) | 专有名词(单数) |
| NNPS | Proper Nouns (Plural) | 专有名词(复数) |
| PDT | Predeterminers | 前置限定词(例:both,all…) |
| POS | Possessive Endings ‘s | 以’s结束的词(例:he’s, it’s.) |
| PRP | Personal Pronouns | 人称代词(例:i,me,my,you…) |
| PRP$ | Possessive Pronouns | 物主代词(例:mine,ours,thine,yours,his,hers,its…) |
| RB | Adverbs | 副词 |
| RBR | Comparative Adverbs | 程度副词(例:hard,fast,early,well,badly,far,quietly,carefully,happily …) |
| RBS | Superlative Adverbs | 副词最高级 |
| RP | Particles | 小品词(例:along,away,back,by,down,forward,in,off,on,out,over,round,under,up…) |
| SYM | Symbols | 符号 |
| TO | to | 单词to |
| UH | Interjection | 感叹词(例:aha, ahem, ahh, ahoy, alas, arg, aw, bam, bingo, blah, boo, bravo, brrr,oh …) |
| VB | Verbs (base form) | 动词原形 |
| VBD | Verbs (past tense) | 动词(过去时态) |
| VBG | Verbs (gerund or present participle) | 动词(动名词或现分词) |
| VBN | Verbs (past participle) | 动词(过去分词) |
| VBP | Verbs (non 3rd person singular present) | 动词(非第三人称单数) |
| VBZ | Verbs (3rd person singular present) | 动词(第三人称单数) |
| WDT | Wh-determiner | Wh开头的限定词(例:what,which…) |
| WP$ | Possessive wh-pronoun | Wh开头代词的所有格(例:whom, whose…) |
| WRB | Wh-adverb | Wh开头的副词(例:when, where, why, how, whence, whereby, wherein, whereupon, and how) |
【参考资料】
[1] 菜鸟教程.正则表达式-元字符
[2] stanfordCorenlp在python3中的安装使用+词性学习
[3] 斯坦福Stanford coreNLP宾州树库的词性标注规范