从动词列表中检索动词

我有一个全是动词的字符串列表。我需要获取每个动词的词频，但我想将“想要”、“想要”、“想要”和“想要”等动词计为一个动词。形式上，“动词”被定义为 4 个单词的集合，其形式为 {X, Xs, Xed, Xing} 或形式为 {X, Xes, Xed, Xing}，其中 X 是动词。我将如何从列表中提取动词，以便获得“X”以及词干出现的次数？我想我可以以某种方式使用正则表达式，但是我是正则表达式的新手，我完全迷失了。

有一个图书馆叫nltk http://nltk.org/它有一系列疯狂的文本处理函数。函数的子集之一是stemmers，这正是您想要的（使用由在该领域拥有丰富经验的人开发的算法/代码）。这是使用的结果波特词干 http://tartarus.org/martin/PorterStemmer/算法：

In [3]: import nltk

In [4]: verbs = ["want", "wants", "wanting", "wanted"]

In [5]: for verb in verbs:
   ...:     print nltk.stem.porter.PorterStemmer().stem_word(verb)
   ...:     
want
want
want
want

您可以将其与defaultdict做这样的事情（注意：在Python 2.7+中，aCounter同样有用/更好）：

In [2]: from collections import defaultdict

In [3]: from nltk.stem.porter import PorterStemmer

In [4]: verbs = ["want", "wants", "wanting", "wanted", "running", "runs", "run"]

In [5]: freq = defaultdict(int)

In [6]: for verb in verbs:
   ...:     freq[PorterStemmer().stem_word(verb)] += 1
   ...:     

In [7]: freq
Out[7]: defaultdict(<type 'int'>, {'run': 3, 'want': 4})

需要注意的一件事：词干分析器并不完美 - 例如，添加ran上面的结果是这样的：

defaultdict(<type 'int'>, {'ran': 1, 'run': 3, 'want': 4})

但希望它能让你接近你想要的。