7

当我尝试使用正则表达式在其他字符串中查找字符串时，它无法按预期工作。这是一个例子：

import re
message = 'I really like beer, but my favourite beer is German beer.'
keywords = ['beer', 'german beer', 'german']

regex = re.compile("|".join(keywords))
regex.findall(message.lower())

结果：

['beer', 'beer', 'german beer']

但预期的结果是：

['beer', 'beer', 'german beer', 'german']

另一种方法可能是：

results = []
for k in keywords:
    regex = re.compile(k)
    for r in regex.findall(message.lower()):
        results.append(r)

['beer', 'beer', 'beer', 'german beer', 'german']

它像我想要的那样工作，但我认为这不是最好的方法。有人可以帮助我吗？

4

3 回答 3

7

re.findall找不到重叠的匹配项。如果要使用正则表达式，则必须创建单独的表达式并在循环中运行它们，如第二个示例所示。

请注意，您的第二个示例也可以缩短为以下示例，尽管您是否觉得这更具可读性取决于您的喜好：

results = [r for k in keywords for r in re.findall(k, message.lower())]

您的具体示例不需要使用正则表达式。如果您只想查找固定字符串，则应避免使用正则表达式。

于 2012-12-25T19:00:02.793 回答
6

re.findall在http://docs.python.org/2/library/re.html中有描述

“返回字符串中模式的所有非重叠匹配......”

非重叠意味着对于“德国啤酒”它不会找到“德国啤酒”和“德国”，因为这些匹配是重叠的。

于 2012-12-25T19:04:34.320 回答
1

我的清洁器（对我而言）版本，用于您的最后一个解决方案

results = []
for key in keywords:
    results.extend(re.findall(key, message, re.IGNORECASE))
于 2012-12-25T19:32:58.280 回答