Python正则表达式findall

我正在尝试使用Python 2.7.2中的正则表达式从字符串中提取所有出现的带标签的单词。或者简单地说，我想提取

[p][/p]

标记中的每一段文本。 以下是我的尝试：

regex = ur"[\u005B1P\u005D.+?\u005B\u002FP\u005D]+?"
line = "President [P] Barack Obama [/P] met Microsoft founder [P] Bill Gates [/P], yesterday."
person = re.findall(pattern, line)

印刷

person

产生

['President[p]'、[/p]'、[p]Bill Gates[/p]].

正确的正则表达式是什么：

['[p]巴拉克•奥巴马[/p]'，[p]比尔•盖茨[/p]]

或者

['Barrack Obama'，'billgates']

import re
regex = ur"\[P\] (.+?) \[/P\]+?"
line = "President [P] Barack Obama [/P] met Microsoft founder [P] Bill Gates [/P], yesterday."
person = re.findall(regex, line)
print(person)

屈服

['Barack Obama', 'Bill Gates']

---

regex

ur“[\u005B1P\u005D.+？\u005B\u002FP\u005D]+？”

完全相同 unicode作为

u'[[1P].+？[/P]]+？'

除了更难阅读之外

第一个括号内的组

[[1P]

告诉您列表中的任何字符

['['['，'1'，'p']]

都应该匹配，同样，第二个括号内的组

[/p]]

也应该匹配。这根本不是您想要的。因此

• 拆下外部封闭方括号。（同时拆下 杂散的

  1

  在

  P

  前面）
• 要保护

  [P]

  中的文字括号，请使用 反斜杠：

  \[P\]

• 若要仅返回标记内的单词，请将分组置于括号中 大约

  +？

试试这个：

   for match in re.finditer(r"\[P[^\]]*\](.*?)\[/P\]", subject):
        # match start: match.start()
        # match end (exclusive): match.end()
        # matched text: match.group()

---

你的问题不是100%清楚，但我假设你想找到标签中的每一段文字：

>>> import re
>>> line = "President [P] Barack Obama [/P] met Microsoft founder [P] Bill Gates [/P], yesterday."
>>> re.findall('\[P\]\s?(.+?)\s?\[\/P\]', line)
['Barack Obama', 'Bill Gates']

---

您可以将您的模式替换为

regex = ur"\[P\]([\w\s]+)\[\/P\]"

用这个模式,

pattern='\[p\].+？\[\/p\]'

---

检查

注意格式设置；使用预览区域。因为格式设置不正确，反斜杠被大量使用（降价很糟糕）。你为什么要做

[\w\s]+

而不是他使用的

*？

呢？在我看来，

*？

更可能是他想要的东西。

[\w\s]

的局限性是可怕的。故意的局限性。我使用[\w\s]+是因为询问者显然想要提取很少包含数字的名称。还要注意，询问者想要提取的是单词，而不是数字。不过，这只是我的意见，CMIIW关于带有口音等有趣特征的名称如何？

不是重新匹配（'\w'，ué'））

。如果名称是任意的，你不应该忽视非拉丁名称的可能性。我非常喜欢这个答案。如果你只想处理匹配项，那么这就可以了，而不需要任何额外的语句，如1）保存列表，2）处理列表并不等同于str='purplealice@google.com，胡说八道bob@abc.com废话洗碗机##此处re.findall（）返回找到的所有电子邮件字符串的列表email=re.findall（r'[\w\.-]+@[\w\.-]+'，str）##['alice@google.com', 'bob@abc.com“]对于电子邮件中的电子邮件：#对找到的每个电子邮件字符串执行一些操作打印电子邮件