获取文本和百分比的一种方法是，正则表达式python将数字与论文中的字母区分开来

我有这个：

Bbc World News (57%); DANONE SA (FRANCE) (52%), Mn-Public-Radio-Intl; SIC123 Industry (52%)

我想得到：

[BBC World News, 57], [DANONE SA (FRANCE), 52], [Mn-Public-Radio Intl, 0], [SIC123 Industry, 52]

在Martijn Pieters的帮助下，我可以得到除达能（法国）以外的一切。我不知道如何区分（法国）和（52%）

您可以将

（）

字符包含在字符类中，但它将与百分比文本的第一个字符相匹配（因此

（57

）对于

Bbc世界新闻（57%）

。要使这一切都能正常工作，您需要对尾部的

、

或

；

或字符串结尾进行前瞻性匹配：

re.findall(r'(\b[\w() -]+)(?:\s+\((\d+)%\))?(?=[,;]|$)', inputtext)

（？=…）

是一个前瞻性匹配；该部分现在锚定到任何位置，该位置后面跟一个与

[，；]

类匹配的字符，或者是一行的结尾。这使得前面的部分与可选的

（…%）匹配

percentage amount，仅在逗号、分号或文本结尾之前起作用，这将限制前面部分的匹配

演示：

---

在这里使用正则表达式越来越难了；数字是名称的一部分吗？是的，数字有时是名称的一部分如果先拆分字符串，可能会更容易，

re.split（“，|，”，s）

这真是太棒了！你太棒了！它似乎起作用了，但我需要尝试更多的案例。如果我在（？=[，；]|$）中添加一个空格，你认为会产生什么有害影响？@user3314418:试试看，但这可能会破坏锚定，因为它可能匹配太多位置。@user3314418:

的意思是或；匹配

[，；]

或match

$

$

匹配字符串的结尾。

re.findall(r'(\b[\w() -]+)(?:\s+\((\d+)%\))?(?=[,;]|$)', inputtext)

>>> import re
>>> import numpy as np
>>> inputtext = 'Bbc World News (57%); DANONE SA (FRANCE) (52%), Mn-Public-Radio-Intl; SIC123 Industry (52%)'
>>> [(name, int(perc) if perc else np.nan)
...  for name, perc in re.findall(r'(\b[\w() -]+)(?:\s+\((\d+)%\))?(?=[,;]|$)', inputtext)]
[('Bbc World News', 57), ('DANONE SA (FRANCE)', 52), ('Mn-Public-Radio-Intl', nan), ('SIC123 Industry', 52)]