0

我一直在尝试并寻找一种解决方案，以使用正则表达式匹配 python 中的所有其他单词。该字符串以逗号分隔，长度未知。

假设我有以下字符串：

"keep, ignore, keep_this_too, ignore, keep_this_also, ignore"

我希望能够将所有匹配的单词保存为一个列表。

我试着把我的正则表达式写成：

((?P<keep>.*),)*

然后使用

result = re.match(regex, string)
print result.group(keep)

试图打印出所有匹配的单词，而不是我只得到除最后一个单词之外的所有内容。

谢谢

编辑：

我不能使用任何 Python 字符串操作。这样做的目的是支持研究人员提供的任何数据格式，为此我们将正则表达式存储在每种格式的数据库中。例如，他们可以提供一种数据格式，我们必须使用以下正则表达式：

"keep (ignore), keep (ignore), keep (ignore)"
4

6 回答 6

2

.*贪婪匹配（尽可能匹配所有内容）；.*,匹配所有内容，直到最后一个,。要进行非贪婪匹配，请使用.*?.

并且re.match只返回第一个匹配项。（并且仅在输入字符串的开头匹配）。（参见search() 与 match()）

re.findall与修改后的正则表达式一起使用：

>>> s = "keep, ignore, keep_this_too, ignore, keep_this_also, ignore"
>>> re.findall(r'([^,\s]+)', s)
['keep', 'ignore', 'keep_this_too', 'ignore', 'keep_this_also', 'ignore']
>>> re.findall(r'([^,\s]+)', s)[::2] # using slice to get every other matches.
['keep', 'keep_this_too', 'keep_this_also']

或者：

>>> re.findall(r'([^,\s]+)(?:,\s*[^,\s]+)?', s)
['keep', 'keep_this_too', 'keep_this_also']
于 2013-11-03T07:29:05.080 回答
2

您仍然可以存储.split()在数据库中吗？

String="keep, ignore, keep_this_too, ignore, keep_this_also, ignore"
String.split(",")[0::2]

输出：

['keep', ' keep_this_too', ' keep_this_also']
于 2013-11-03T07:56:08.293 回答
0

正则表达式已经定义了单词中可以出现的字符，即\w表示这样的集合。因此：

In [1]: import re
   ...: re.findall('\w+', "keep, ignore, keep_this_too, ignore, keep_this_also, ignore")
   ...: 
Out[1]: ['keep', 'ignore', 'keep_this_too', 'ignore', 'keep_this_also', 'ignore']

如果您想忽略所有其他匹配，只需使用切片：

In [2]: ['keep', 'ignore', 'keep_this_too', 'ignore', 'keep_this_also', 'ignore'][::2]
Out[2]: ['keep', 'keep_this_too', 'keep_this_also']

如果您只想保留以keep（或其他子字符串）开头的字符串，只需使用模式keep\w*而不是\w+：

In [4]: re.findall('keep\w*', "keep, ignore, keep_this_too, ignore, keep_this_also, ignore")
Out[4]: ['keep', 'keep_this_too', 'keep_this_also']

如果您要匹配的不是真正的单词，即它可以包含空格、标点符号等字符，那么您可以在上面的正则表达式中替换\w为[^,]以匹配除逗号之外的所有内容。

于 2013-11-03T07:35:46.780 回答
0

你可以使用类似的东西：

import re
re.findall("([^,]*), [^,]+[,]{0,1}", "keep, ignore, keep_this_too, ignore, keep_this_also, ignore")

但为什么不直接使用 split 并切片结果：

"keep, ignore, keep_this_too, ignore, keep_this_also, ignore".split(",")[0::2]
于 2013-11-03T07:57:07.240 回答
0

你需要这个：

s = ' keep, ignore,  keep_this_too  , ignore, keep_this_also, ignore '
print(s.replace(' ','').split(',')[0::2])

产量：

['keep', 'keep_this_too', 'keep_this_also']
于 2013-11-03T10:13:59.827 回答
0

这？

>>> s = "keep, ignore, keep_this_too, ignore, keep_this_also, ignore"
>>> import re
>>> re.findall(r'(\w+)\W+\w+', s)
['keep', 'keep_this_too', 'keep_this_also']
于 2013-11-03T11:00:44.063 回答