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Python正则表达式findall,python,regex,Python,Regex,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."
[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
在1
前面)P
- 要保护
中的文字括号,请使用 反斜杠:[P]
\[P\]
- 若要仅返回标记内的单词,请将分组置于括号中
大约
+?
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