php 正则表达式到 python，preg_match($x,$y,$z) 到 re.search(x,y,z)

Question

先生。 Wiktor，这个问题绝不是您在将其标记为重复的理由中并列的问题的重复。 也就是说，您指出的问题是 python 中 preg_match 的计数部分是什么。我什至在标题本身中也提到了“re.search”，这是您提到的线程的答案。我知道re.search 我的问题特别是关于如何在 re.search 中使用第三个参数，就像在我提供的示例中使用它在 php 中的对应物一样。 Wiktor 先生，我恭敬地请求您取消将我的帖子标记为重复的内容，谢谢先生。

我正在尝试在 python 中为希腊语进行词干提取 (NLP)。 php代码是这样的：

protected static $step1list = array(
    "φαγια"=>"φα",
    "φαγιου"=>"φα",
    "φαγιων"=>"φα",
    "σκαγια"=>"σκα",
    "σκαγιου"=>"σκα",
    "σκαγιων"=>"σκα",
    "ολογιου"=>"ολο",
    "ολογια"=>"ολο",
    "ολογιων"=>"ολο",
    "σογιου"=>"σο",
    "σογια"=>"σο",
    "σογιων"=>"σο",
    "τατογια"=>"τατο",
    "τατογιου"=>"τατο",
    "τατογιων"=>"τατο",
    "κρεασ"=>"κρε",
    "κρεατοσ"=>"κρε",
    "κρεατα"=>"κρε",
    "κρεατων"=>"κρε",
    "περασ"=>"περ",
    "περατοσ"=>"περ",
    "περατα"=>"περ",
    "περατων"=>"περ",
    "τερασ"=>"τερ",
    "τερατοσ"=>"τερ",
    "τερατα"=>"τερ",
    "τερατων"=>"τερ",
    "φωσ"=>"φω",
    "φωτοσ"=>"φω",
    "φωτα"=>"φω",
    "φωτων"=>"φω",
    "καθεστωσ"=>"καθεστ",
    "καθεστωτοσ"=>"καθεστ",
    "καθεστωτα"=>"καθεστ",
    "καθεστωτων"=>"καθεστ",
    "γεγονοσ"=>"γεγον",
    "γεγονοτοσ"=>"γεγον",
    "γεγονοτα"=>"γεγον",
    "γεγονοτων"=>"γεγον"
);
protected static $step1regexp="/(.*)(φαγια|φαγιου|φαγιων|σκαγια|σκαγιου|σκαγιων|ολογιου|ολογια|ολογιων|σογιου|σογια|σογιων|τατογια|τατογιου|τατογιων|κρεασ|κρεατοσ|κρεατα|κρεατων|περασ|περατοσ|περατα|περατων|τερασ|τερατοσ|τερατα|τερατων|φωσ|φωτοσ|φωτα|φωτων|καθεστωσ|καθεστωτοσ|καθεστωτα|καθεστωτων|γεγονοσ|γεγονοτοσ|γεγονοτα|γεγονοτων)$/u";

$w;
$stem="";
$suffix="";
$firstch="";

if (preg_match($step1regexp, $w, $fp)) {
    $stem = $fp[1];
    $suffix = $fp[2];
    $w = $stem.$step1list[$suffix];
}

我最近尝试过的是这个（我没有在列表中添加 blah，它们与 php 相同）：

import re

step1list = {
    u"φαγια": u"φα",
    blah blah blah blah
    }

stem = ""
suffix=""
firstch=""

s = u"σογια"
reg = re.compile(r'/(.*)(φαγια|φαγιου|φαγιων|σκαγια|σκαγιου|σκαγιων|ολογιου|ολογια|ολογιων|σογιου|σογια|σογιων|τατογια|τατογιου|τατογιων|κρεασ|κρεατοσ|κρεατα|κρεατων|περασ|περατοσ|περατα|περατων|τερασ|τερατοσ|τερατα|τερατων|φωσ|φωτοσ|φωτα|φωτων|καθεστωσ|καθεστωτοσ|καθεστωτα|καθεστωτων|γεγονοσ|γεγονοτοσ|γεγονοτα|γεγονοτων)$');
m = reg.search(s)
if m:
    stem = m.group(1);
    suffix = m.group(2);
    s = "{0}{1}".format(stem, step1list[suffix])
print(s)
print(stem)
print(suffix)

我得到的结果是：

σογια

（后面有2个空行）表示这2组没有被成功识别：（

我该如何解决这个问题？

Answer 1

来自docs：（另见match vs search）

import re
p = re.compile( regex )
m = p.search( 'string goes here' ) #p.match() to find from start of string only
if m:
    print 'Match found: ', m.group() # group(1...n) for capture groups
else:
    print 'No match'