用于提取标记和单词的Python Regexp

我有以下字符串：

str1 = "I/TAG1 like/TAG2 red/TAG3 apples/TAG3 ./TAG4"

我有两个python列表

tokens = []
tags = []

我期望的结果是：

tokens = ['I', 'like', 'red', 'apples', '.']
tags = ['TAG1', 'TAG2', 'TAG3', 'TAG3', 'TAG4']

我正在尝试使用这样的regexp：

r"\w*\/"

但是它用斜杠提取单词，即i/。如何获得所需的输出，至少对于令牌（在/）之前获取所有内容？

您可以使用：

>>> re.findall(r'([\w.]+)/([\w.]+)', str1)

[('I', 'TAG1'), ('like', 'TAG2'), ('red', 'TAG3'), ('apples', 'TAG3'), ('.', 'TAG4')]

代码：

>>> tags=[]
>>> vals=[]
>>> for m in re.findall(r'([\w.]+)/([\w.]+)', str1):
...     tags.append(m[0])
...     vals.append(m[1])
...

>>> print tags
['I', 'like', 'red', 'apples', '.']

>>> print vals
['TAG1', 'TAG2', 'TAG3', 'TAG3', 'TAG4']

---

您可以按空格和斜杠组合使用

str.split（）

。然后调用

zip（）

>>> tokens, tags = zip(*[item.split("/") for item in str1.split()])
>>> tokens
('I', 'like', 'red', 'apples', '.')
>>> tags
('TAG1', 'TAG2', 'TAG3', 'TAG3', 'TAG4')

最后一个问题，如果我还想提取这样的单词，我必须做什么：mt./gal/hr/TAG5，1/2/TAG5？（标记始终位于最后一个/）确定使用此正则表达式，然后使用
r'（\S+）/（[\w.]+）
而不是
r'（[\w.]+）/（[\w.]+）