2

我有一个短语列表（由用户输入）我想在文本文件中找到它们，例如：

    titles = ['Blue Team', 'Final Match', 'Best Player',] 
    text = 'In today Final match, The Best player is Joe from the Blue Team and the second best player is Jack from the Red team.'

1./我可以像这样找到这些短语的所有出现

    titre = re.compile(r'(?P<title>%s)' % '|'.join(titles), re.M)
    list = [ t for t in titre.split(text) if titre.search(t) ]

（为简单起见，我假设一个完美的间距。）

2./我还可以找到这些短语的变体，例如“蓝队”、“决赛”、“最佳球员”……如果它们出现在文本中，则使用 re.I。

但我想限制在文本中仅查找首字母大写的输入短语的变体，例如“Blue team”，无论它们是如何作为输入输入的，例如“bluE tEAm”。

是否可以写一些东西来“阻止”部分短语的 re.I 标志？在伪代码中，我想生成类似“[B]lue Team|[F]inal Match”的东西。

注意：我的主要目标不是，例如，计算文本中输入短语的频率，而是提取和分析它们之间或周围的文本片段。

4

3 回答 3

1

我会使用re.I并将 list-comp 修改为：

l = [ t for t in titre.split(text) if titre.search(t) and t[0].isupper() ]
于 2012-02-23T05:45:34.667 回答
1

我认为正则表达式不会让您仅指定忽略大小写标志适用的区域。但是，您可以生成文本的新版本，其中所有字符都小写，但每个单词的第一个字符：

new_text = ' '.join([word[0] + word[1:].lower() for word in text.split()])

这样，没有忽略标志的正则表达式将仅考虑每个单词的第一个字符的大小写来匹配。

于 2012-02-23T05:46:47.890 回答
0

在正则表达式中使用输入之前，如何修改输入以使其大小写正确？

于 2012-02-23T06:30:29.243 回答