リストのcount（）内の正規表現が機能しない

Question

トークンテキストで特定の式を数えようとしています。私のコードは：

tokens = nltk.word_tokenize(raw) 
print(tokens.count(r"<cash><flow>")) 

「トークン」はトークン化されたテキストのリストです（下図の一部）。しかし、ここの正規表現は機能しておらず、出力には「キャッシュフロー」が発生していないことが示されていますが、これは正しくありません。私はエラーメッセージを受け取りません。私が「現金」だけを数えれば、うまくいく。

'that', 'produces', 'cash', 'flow', 'from', 'operations', ',', 'none', 'of', 'which', 'are', 'currently', 'planned', ',', 'the', 'cash', 'flows', 'that', 'could', 'result', 'from' 

誰でも問題の原因を知っていますか？

Answer 1

これには正規表現は必要ありません。
トークンで一致するキーワードを見つけて要素を数えればいいです。

例：

tokens = ['that','produces','cash','flow','from','operations','with','cash'] 
keywords = ['cash','flow'] 

keywords_in_tokens = [x for x in keywords if x in tokens] 
count_keywords_in_tokens = len(keywords_in_tokens) 

print(keywords_in_tokens) 
print(count_keywords_in_tokens) 

count_keywords_in_tokens両方の単語がリストに見出されるので2を返します。

正規表現の方法にするには、正規表現パターンに基づいて一致するものを見つけるための文字列が必要です。 3つのマッチがあるので2つのキーワードがOR（パイプ）

import re 

tokens = ['that','produces','cash','flow','from','operations','with','cash'] 
string = ' '.join(tokens) 

pattern = re.compile(r'\b(cash|flow)\b', re.IGNORECASE) 

keyword_matches = re.findall(pattern, string) 
count_keyword_matches = len(keyword_matches) 
print(keyword_matches) 
print(count_keyword_matches) 

count_keyword_matchesによって分離されている以下の例で
3を返します。