Python中的布尔搜索文本文件

我有一个包含32篇文章的文本文件。每篇文章都以以下表达式开头：

共32个文档

，例如：

1/32个文档

，

2/32个文档

，等等。为了查找每篇文章，我使用了以下代码：

import re 
sections = [] 
current = []
with open("Aberdeen2005.txt") as f:
    for line in f:
        if re.search(r"(?i)\d+ of \d+ DOCUMENTS", line):        
           sections.append("".join(current))
           current = [line]
        else:
           current.append(line)

print(len(sections)) 

现在，文章由表达式

sections

我想做的下一件事是将文章分为两组。包含以下词语的文章：经济或经济和不确定性或不确定性和税收或政策，用数字1标识

鉴于包含以下词语的文章：经济或经济和不确定或不确定性以及监管或支出，请将其标识为数字2。这就是我迄今为止所尝试的：

for i in range(len(sections)):
group1 = re.search(r"+[economic|economy].+[uncertainty|uncertain].+[tax|policy]", , sections[i])
group2 = re.search(r"+[economic|economy].+[uncertainty|uncertain].+[regulation|spending]", , sections[i])

---

然而，它似乎不起作用。你知道为什么吗？

你可以使用搜索来查找这些单词。然后，您可以使用if语句和python的

和
以及
或
语句作为逻辑，然后将组1和组2存储为两个列表，并将节索引号作为值

您可能需要注意的一点是，您的逻辑可能需要括号

借

经济或经济不确定性或不确定性以及税收或政策

我想你是说

（经济或经济）和（不确定或不确定）和（税收或政策）

这与（例如）不同

经济或（经济和不确定性）或（不确定性和税收）或政策

编辑1：
Python将从左到右计算您的语句，无括号，即：

（（（经济或经济）和不确定性）或不确定性）和税收）或政策）

我想这不是你想要的（例如，如果上面的评估结果包括单词policy，但不包括其他单词，则为true）

编辑2：
正如评论中指出的那样，EDIT1是不正确的，尽管您仍然需要括号来实现案例1，但如果没有括号，您将得到案例2（案例3是一堆垃圾）
这有点冗长，但您可以在这里不使用正则表达式，例如：

# Take a lowercase copy for comparisons
s = sections[i].lower()
if (('economic' in s or 'economy' in s) and
    ('uncertainty' in s or 'uncertain' in s) and
    ('tax' in s or 'policy' in s)):
    do_stuff()

可以将其作为单个正则表达式编写，但这有点棘手。对于每个
和
您将使用一个零宽度前瞻断言
（？=）
，对于每个
或
您将使用一个分支。此外，我们还必须使用
\b
作为单词边界。我们将使用
re.match
而不是
re.search

belongs_to_group1 = bool(re.match(
     r'(?=.*\b(?:economic|economy)\b)'
     r'(?=.*\b(?:uncertain|uncertainty)\b)'
     r'(?=.*\b(?:tax|policy)\b)', text, re.I))

因此可读性不强

一种更有效的方法是找到所有的单词并将它们组合成一组

words = set(re.findall(r'\w+', text.lower()))
belongs_to_group1 = (('uncertainty' in words or 'uncertain' in words)
    and ('economic' in words or 'economy' in words)
    and ('tax' in words or 'policy' in words))

描述“用数字“x”标识它们”的预期输出对您来说是什么样子的。好吧，创建一个包含所有满足特定条件的文章的组：例如group1=sections[1,3,7,9]和group2=sections[2,4,10,27]。好的，我认为更多的是一个字典
{“1”：[1,3,7,9]，“2”：[2,4,10,27]
两者都有效，正如我所说，我对这一点还不熟悉，我不知道哪一个更直截了当：）@AndresAzqueta您应该阅读并尝试使用正则表达式对文本进行正则化。后一个正则表达式甚至不编译，Python绝对不会像这样从左到右计算
和
和
或
。相反，
和
s始终首先计算，而
或
safterwards@antti哈，这很有趣。我假设它的计算结果和数学上的一样。首先被评估的
和
是否意味着“经济或经济和不确定性或不确定性”变为“经济或（经济和不确定性）或不确定性”，或者它变为“（经济或经济）和（不确定性或不确定性）”@user3088440
和
的优先级高于Python和大多数其他语言中的
或
，@user3088440:这将成为您的第一个案例。没有任何括号，在or之前。顺便说一句，这是数学上的，因为乘法/除法先于加法/减法。嗯，我不知道，我总是把模棱两可的东西括起来。很高兴知道！这并不考虑单词边界。all@AnttiHaapala修正。你的意思是它根本不考虑单词边界？@和ReSaqQueta这个解决方案不仅匹配包含“税收”的部分，而且还可以匹配，例如“共济失调”。换句话说，它不是匹配整个单词，而是检查以确保这些特定的字符序列存在于部分的某个位置。如果这对你来说是一个重要的区别，你需要进一步研究正则表达式。太好了，谢谢你的提示。我将检查regex并实现一些更改来处理这个问题。干杯，你能把
不确定|不确定
缩短为
不确定（？：ty）？
？而
economic | economy
到
economic（？：ic | y）
我做了，但我回复了，因为它使它更不可读