在Python中提取双方括号之间的文本

如果我有一个如下所示的字符串：

"[[Category:Political culture]]\n\n          [[Category:Political ideologies]]\n\n"

如何提取类别并将其放入列表中？

---

我很难让正则表达式正常工作。

似乎您想要这样的东西

>>> str = "[[Category:Political culture]]\n\n          [[Category:Political ideologies]]\n\n"
>>> re.findall(r'Category:([^\[\]]*)', str)
['Political culture', 'Political ideologies']
>>> re.findall(r'Category:[^\[\]]*', str)
['Category:Political culture', 'Category:Political ideologies']

默认情况下，

re.findall

将只打印与捕获组中存在的模式匹配的字符串。如果不存在捕获组，则只有

findall

函数将返回列表中的匹配项。因此在我们的例子中，这个

类别：

匹配字符串

类别：

，这个

（[^\[\]]*）

将捕获任何字符，但不会捕获

[

或

]

的零次或多次。现在，findall函数将返回组索引1中的字符。

Python代码：

s = "[[Category:Political culture]]\n\n          [[Category:Political ideologies]]\n\n"
cats = [line.strip().strip("[").strip("]") for line in s.splitlines() if line]
print(cats)

输出：

['Category:Political culture', 'Category:Political ideologies']

---

要进一步解释Avinash在其著作中使用的正则表达式，请执行以下操作：

类别：（[^\[\]]*）

由几个部分组成：

• Category:

  与文本“Category:

• （…）

  是一个捕获组，大致意思是“此组中的表达式是我要提取的块”

• [^…]

  是一个否定集，表示“不匹配此集中的任何字符”

• \[

  和

  \]

  分别匹配文本中的“[”和“]”

• *

  表示“匹配零个或多个前面的正则表达式定义项”

我用

…

表示我删除了一些对解释不重要的字符

因此，把所有这些放在一起，正则表达式可以做到：

查找“Category:”，然后匹配其后不是排除字符“[”或“]”的任何数字（包括零）。当它遇到一个排除的字符时，它将停止，并返回与

（…）

部分中的正则表达式匹配的文本。因此，正则表达式实际上并不像您预期的那样查找“[[”或“]]”，因此即使它们被忽略，也会匹配。您可以通过将其更改为

\[\[Category:（[^\[\]*）\]\]\]

来强制它在开始和结束处查找双方括号

---

对于第二个正则表达式，

Category:[^\[\]]*

，捕获组

（…）

被排除在外，因此Python返回所有匹配的内容，包括“Category:”。

到目前为止您得到了什么？这非常有效。但我有一个问题：为什么“类别”在方括号之前？它不应该出现在两者之间吗？你能提供一个复制上述内容的例子吗？不，它正在工作，我只是想：你能给我解释一下正则表达式吗，因为我真的不明白它是如何工作的：）你是指第一个吗？是的，当然。我不明白的是为什么“Category”这个词首先出现在正则表达式中。它不应该出现在中间：“（[^[类别：]]”？