Python中正则表达式的混乱行为

我试图使用python中的re模块匹配特定模式。 我希望匹配完整的句子（更准确地说，它们是由空格和/或标点符号分隔的字母数字字符串序列）

例如

• “这是一个普通的句子。”
• “这也是有效的”
• “这个也是”

我尝试过各种正则表达式的组合，但我无法正确地掌握模式的工作原理，每个表达式都给了我一个不同但无法解释的结果（我承认我是一个初学者，但仍然如此）

---

我试过：

• “（（\w+）（\s？））*”
  据我所知，这应该匹配一个或多个字母数字，后跟一个或没有空格字符，然后它应该匹配整个模式。这似乎不是它所做的，所以很明显我错了，但我想知道为什么。（我希望这会返回整个句子） 对于上面提到的第一个示例字符串，我得到的结果是[（“句子”、“句子”、“句子”）、（“句子”、“句子”）、（“句子”）、（“句子”）、（“句子”）、（“句子”）

• “（\w+？）*”
  我甚至不知道这个应该怎么做。官方文档（python帮助（'re'））说，+，？匹配前面RE的x或x（贪婪）重复。 在这种情况下，前面的RE仅仅是“？”的空格，还是“\w+”是前面的RE？“”运算符的RE是什么？我从中得到的输出是[‘句子’]

• 其他，如“（\w+\s？+”；“（（\w*）（\s？？？）等，基本上是同一想法的变体，即句子是一组字母数字，后跟单个/有限数量的空格，这种模式反复出现

有人能告诉我哪里出了错，为什么，以及为什么上面的表达不能像我期望的那样工作吗

---

---

最后，我终于得到了“[\w]+”来为我工作，但有了它，我无法限制延续中的空白字符数。

这里有一个很棒的正则表达式教程网站：

下面是一个正则表达式，它将与给出的示例相匹配：

([a-zA-Z0-9,\. ]+)

---

您关于正则表达式的推理是正确的，您的问题来自于使用带有

*

的捕获组。这里有一个替代方案：

>>> s="This is a regular sentence."
>>> import re
>>> re.findall(r'\w+\s?', s)
['This ', 'is ', 'a ', 'regular ', 'sentence']

在这种情况下，使用

\b

来匹配单词边界可能更有意义

>>> re.findall(r'\w+\b', s)
['This', 'is', 'a', 'regular', 'sentence']

或者，您可以通过

re.match

匹配整个句子，并使用

re.group（0）

获得整个匹配：

>>> r = r"((\w+)(\s?))*"
>>> s = "This is a regular sentence."
>>> import re
>>> m = re.match(r, s)
>>> m.group(0)
'This is a regular sentence'

---

为什么要限制延续中的空白字符数？因为一个句子可以有任意数量的单词（字母数字字符序列）和空格，但句子是以标点符号结尾的文本区域，或者更确切地说是不在上述序列中的内容，包括空白

([a-zA-Z0-9\s])*

上面的正则表达式将匹配一个句子，其中它是一个系列或系列中的空格零次或多次。您可以将其细化为以下内容：

([a-zA-Z0-9])([a-zA-Z0-9\s])*

它简单地说，上面的序列必须以字母数字字符开头

希望这就是您想要的。

也许这会有帮助：

import re

source = """
This is a regular sentence.
this is also valid
so is This ONE
how about this one  followed by this one
"""

re_sentence = re.compile(r'[^ \n.].*?(\.|\n|  +)')

def main():
    i = 0
    for s in re_sentence.finditer(source):
        print "%d:%s" % (i, s.group(0))
        i += 1

if __name__ == '__main__':
    main()

---

我在表达式

（\.\n |+）

中使用交替来描述句尾条件。请注意，在第三个交替中使用了两个空格。第二个空格具有“+”元字符，因此一行中的两个或更多空格将成为句尾。

是否使用

re.findall（）

？您是如何检索结果的？我假设您使用的是捕获组而不是整个匹配（

.group（0）

或

.group（）

）？@JoelCornett是的，我使用的是re.findall（）@oxc否，我现在使用的是findall（）。我真的不知道.group（）是如何检索的我可能在某个地方遗漏了这个细节，但你能告诉我句子边界是什么吗？是多个空格还是标点符号还是…？你如何知道单词边界和句子边界之间的区别？我希望将整个句子匹配为一个正则表达式而不是单词。所以正则表达式应该返回[“这是一个常规句子”]。它是有效的，如果它是有效的，我的推理似乎是正确的。但为什么这对findall不起作用？这让我更加困惑。如果我的推理是正确的，那么为什么同样的方法对findall不起作用/给出了非常不同的结果？是否存在一些基本的差异b/w查找和匹配？您是否查看了？以回答您的问题estion我基本上会引用您所询问的函数的文档。我浏览了RE手册页和docs.python.org上的在线HOWTO，但除了Match将正则表达式匹配到字符串的开头，findall查找所有不重叠的事件之外，我没有找到任何关于如何或为什么出现re实际匹配中的差异。@Ayos我错了，我可能太苛刻了。我会写一个解释。我使用“句子”这个词只是简单地给出了我正在使用的东西的大致概念。我在问题中指定了我所指的句子的确切含义。另外，我使用它的应用程序要求我检查wh的数量在这两个空格之间，如果不止一个，则需要采取不同的行动。这个答案似乎符合我目前的需要。但是你能告诉我正则表达式中的逻辑有什么问题吗？