RegEx一般的な単語のフィルタ

Question

私は、テキストのブロックから一般的な単語（結合詞、副詞、代名詞など）を削除しようとしています。私は正規表現を使用していますが、なんらかの理由で、フィルタにある一般的な単語のいくつかがフィルタにかけられていません。

言葉のいくつかの例がフィルタリングされていない： "haventは"、 "なぜ"、 "すべきである"

任意のアイデアはなぜですか？

splitResult = s.split() 
     p = re.compile(
      """^(&|also|a|about|again|all|after|are(nt)?|arent|as|an(y)?|at| 
       bcuz|before|be(low)?|between|bring|but|by|and|can(not)?|close(d)?|could(nt)?| 
       cuz|do(nt)?|down|decide(d)?|decision|on(to)?|or|of|our|over|out|have(nt)?|he(re)?| 
       her|his|other(s)?|even|got(ten)?|for|from|get(s)?|got(ten)?|has(nt)?|havent|he(s)?| 
       him|his|if|in|to|in(to)?|is(nt)?||make|me|once|play(ed)?|role|say(s)?|seen|she(s)?| 
       should(nt)?|stop(ped)?|time|my|no(t)?|must(nt)?|now|you(re)?|your|want|want(ed)?| 
       watch(ed)?|way|we(re)?|will|with||i|a|is(nt)?|just|would(nt)?|before|that|the(re)?| 
       their|them|they|this|turn|when|at|how|it(s)?|which|who|after|then|if|how|because|know(s)?| 
       yet|[A-Za-z]{1,2}|http(s)?://.*|www\..*)$""",re.I) 

     for word in splitResult: 
      m = p.findall(word) 
      if not m: 
       word = "".join(c for c in word if c not in ("?", ".", "!", '"', ",","'","(",")")) 
       wordsList.insert(ctr,word) 

Answer 1

あなたのパターンは、その交替の一つとしてwhyを持っていません。

パターンが大きくなって管理できないようです。

周囲の空白やアポストロフィがある場合、パターンが一致しません。

haventとshouldがフィルタリングに失敗する理由はありません。より多くのコードがなければ、誰も知らない。

|オルタネータ：次のエラーの2があるregex101.comによると

は（以下はregex101.comのバグですが、あなたはそれにもかかわらず、それに応じて正規表現を修正する必要があります。）

この位置で効果的にグループを切り捨て、

このポイントを超えて他のトークンは役に立たないレンダリングはこれはあなたのコード内の|| sが、本質的に、あることを意味します。

注：空白の文字列に一致する空白と一致させたい場合、この正規表現エンジンはできるだけ早く変更することができるため、後で変更しないでください。ここで

彼らは以下のとおりです。

（正規表現で見つかり： \|\|）

• ||make
• |with||i