python - Python 正则表达式：查找名字和姓氏

Question

我在一个字符串中有一堆名字，每个名字+姓氏都位于'>'和'>'s内。因此，例如，字符串可能是，'uselessdataetc<Michael Bloomberg>blahblah<William Handler>blahblah'我希望它返回'Michael Bloomberg'，'William Handler'

这是我正在使用的正则表达式：

nameregex = '<([a-z]+|\s)*>'

我在使用正则表达式时使用 re.IGNORECASE。它目前只返回姓氏。所以它返回“Bloomberg”、“Handler”。

谁能明白为什么会这样？

Answer 1

搜索：

r'<([^>]+)>'

而是找到任何不是结束字符的东西。

演示：

>>> nameregex = re.compile(r'<([^>]+)>')
>>> nameregex.findall('uselessdataetc<Michael Bloomberg>blahblah<William Handler>blahblah')
['Michael Bloomberg', 'William Handler']

您的正则表达式在每组字母或空格周围使用一个捕获组，并且只返回尖括号内的最后一个匹配项<...>，因为即使它匹配多个模式，捕获组也不会相乘。Michael Bloomberg是 3 场比赛；(Michael)( )(Bloomberg)并且只为捕获组返回最后一个这样的匹配。

您可以使用以下方法使您的版本正常工作：

nameregex = '<((?:[a-z]+|\s)*)>'

相反，或者在字符类中包含空格并删除外部通配符：

nameregex = '<([a-z\s]+)>'

Answer 2

你可以试试

nameregex = r'<([^>]+)>'

Answer 3

简单的回答：

nameregex = r'<([^>]+)>'

在你的情况下：

>>> nameregex = re.compile(r'<([^>]+)>')
>>> nameregex.findall('uselessdataetc<Michael Bloomberg>blahblah<William Handler>blahblah')
['Michael Bloomberg', 'William Handler']

或更简单：

>>> re.findall(r'<([^>]+)>','uselessdataetc<Michael Bloomberg>blahblah<William Handler>blahblah')
['Michael Bloomberg', 'William Handler']