Python 在嘈杂的文本中查找标点符号

我有一些标点符号用法很糟糕的句子，例如：

有些人做得对；有些人忘记了空格；有的加错了,；真烦人！；）

我需要知道每个“真正的”标点符号的位置，特别是排除它们在文本表情符号中的使用。如果我使用：

>>> print re.findall(r'\w+\s*(;)\s*\w+', s)
[';', ';', ';']

因此，我正确匹配分号，但在字符串中没有分号的位置。但是，当我使用

finditer

时：

>>> p = re.compile(r'\w+\s*(;)\s*\w+')
>>> for m in p.finditer(s):
...    print m.group(), m.span()
right; some (18, 29)
whitespace;some (39, 54)
one ; pretty (67, 79)

正确地说，我得到了整个匹配组。当我用天真的方法

>>> p = re.compile(r';')
>>> for m in p.finditer(s):
...     print m.group(), m.span()
; (23, 24)
; (49, 50)
; (71, 72)
; (90, 91)

我得到了所有“真实”标点符号的位置，但也是

；）的一部分。）表情符号

该示例仅使用
，但它可以是各种标点符号：
，；：。而且，我不必担心十进制数

当然，我可以将
\w+
更改为
[a-zA-Z]+
，但这会干扰以数字结尾的句子，例如，
答案是42。

我想我可以将这种简单的方法应用于各个组，但也许有一种更简单的方法可以做到这一点。
在没有参数的情况下调用时，会返回整个匹配。在正则表达式模式中，包含
的组可以称为1

调用组名作为参数的match对象的
start
方法：

for m in p.finditer(s):
    print(m.start(1), s[m.start(1)])

输出

23 ;
49 ;
71 ;

考虑指定一个符号组名，您可以使用它来代替1，例如

p = re.compile(r'\w+\s*(?P<semicolon>;)\s*\w+')
for m in p.finditer(s):
    print(m.start('semicolon'), s[m.start('semicolon')])

p=re.compile（r'\w+\s*（？p；）\s*\w+）
对于p.finditer中的m：
打印（m.start（'分号'），s[m.start（'分号'））

输出是相同的。
您可能应该使用适当的软件包来完成这项工作。您假定smiley是明确的，即使您的问题陈述是针对文本中的错误。这似乎不可能可靠地实现。另外，有些人（比如我自己：-）用笑脸折叠右括号。我正在使用一种相对灵活的基于正则表达式的方法来识别文本表情<代码>：-）
，
：0）））
，
；o） 
，
[-：
，
}=：
，
；D
，…都可以。但是，这种灵活性带来的代价是，找到标点符号不再是一件小事。现在我遇到了一个坏情况，当一个句子后面有一个表情符号时，例如，
，对吗？；）
。问号与我当前的正则表达式模式不匹配。但是你是是的，我认为它永远不会100%准确。这很有效！我完全错过了引用包含标点符号的组的机会。vaultah，谢谢！@Christian没问题，我很高兴我正确理解了你的问题：）