Python 为什么正则表达式r'；[a | | | | | | | | | | | | | | | | | | 124'；检测'；h'；和'；他'；分别而不是'；'；作为一个整体？

我试图在给定的文本中找到“a”、“an”、“the”。表达式r'[a |（an）|（the）]+'只识别“a”，而不识别“an”和“the”

nltk.re_show(r'[a|(an)|(the)]+', 'sdfkisdfjstdskfhdsklfjkhe an skfjkla')

这给了我输出

sdfkisdfjs{t}dskf{h}dsklfjk{h}{e} {a}{n} skfjkl{a}

我也试过了

nltk.re_show(r'[a|<an>|<the>]+', 'sdfkisdfjstdskfhdsklfjkhe an skfjkla')

我不明白为什么人们会认出“h”和“他”

---

在这种情况下，什么样的正则表达式可以识别给定文本中的“a”、“an”和“the”？

方括号和圆括号的含义不同。方括号用于指定“内部的任何一个字符”

另外请注意，如果要匹配“an”，则不希望捕获停止在“a”，这意味着您必须颠倒顺序

你想要什么而不是什么

[a|(an)|(the)]+

似乎是

(an|a|the)+

或者只是

(an|a|the)

或（可读性较差）

---

（是的，一个问题通常有许多正则表达式）

Regex：

an | a

---

输出：

['an'，'a'，'a'，'a'，'the'，'a'，'the']

虽然这是一篇老文章，但以下内容可能与寻找答案的人有关。我的解决办法是

teststring='he was trying to snatch the token from a guy standing on an escalator in the mall'
re.findall(r'( the | a | an )', teststring)
[' the ', ' a ', ' an ', ' the ']

前导空格和尾随空格提供了搜索所需的唯一序列，因此可以避免在单词“standing”中嵌入“an”。稍后可以从结果集中删除空格，以便进一步处理

---

谢谢

是的，没错。但它仍然没有找到“an”和“the”。我正在使用re.findall（）和nltk.re_show（）进行验证。@MohitMotwani Denys的

（a | an | the）

正则表达式永远不会与

an

匹配。正如我在评论中所说，使用

r'the | an？'

@WiktorStribiżew no，但正确的解决方案是在我编辑的版本中。在字符串中的同一位置匹配替代项是不好的做法<代码>一个|或

一个|一个

在这里是最好的。它不适用于“sdfkisdfjstdskfthedsklfjkhe an skfjkla”。只识别上面长长的随机第一个单词中的“an”，而不识别“the”。@Mohit Motwani已更新！使用

r'the | an？

有人能解释为什么问题中的正则表达式可以识别“h”和“he”吗？

[the]

匹配单个字符，或者

t

，

h

或者

e

。是的，但是我使用了（the）而不是[the]。好的，

[（the）]

匹配单个字符，或者

（

，

t

，

h

，

e

或

）

。

(an?|the)

import re

text = 'sdfkisdfjstdskfhdsklfjkhe an skfjkla a dsda the dsathekoo'
array = re.findall(r'the|an|a', text)

print(array)

teststring='he was trying to snatch the token from a guy standing on an escalator in the mall'
re.findall(r'( the | a | an )', teststring)
[' the ', ' a ', ' an ', ' the ']