正则表达式 (regex) 保存部分句子

Question

python 和正则表达式的新手，我一直在尝试找到一种方法来解析一个句子，以便我可以提取其中的一部分并将它们分配给它们自己的变量。

例句：Laura Compton，来自加利福尼亚州洛杉矶的股票经纪人

我的目标是有：name = "Laura Compton"（这个很简单，我可以定位锚链接没问题），position = "Stock Broker"，city = Los Angeles，state = California

我需要迭代的所有句子都遵循相同的模式，名称总是在锚标记中，位置总是跟随在结束锚之后，有时它使用“a”或“an”所以我想剥去那些。城市和州始终遵循“来自”这个词。

Answer 1

你可以试试这个：

import re
s = "Laura Compton, a Stock Broker from Los Angeles, California"
new_s = re.findall('^[a-zA-Z\s]+|(?<=a\s)[a-zA-Z\s]+(?=from)|(?<=an\s)[a-zA-Z\s]+(?=from)|(?<=from\s)[a-zA-Z\s]+(?=,)|(?<=,\s)[a-zA-Z\s]+$', s)
headers = ['name', 'title', 'city', 'state']
data = {a:b for a, b in zip(headers, new_s)}

输出：

{'city': 'Los Angeles', 'state': 'California', 'name': 'Laura Compton', 'title': 'Stock Broker '}

Answer 2

您可以在模式中使用命名组来捕获子字符串，这样可以更轻松地引用它们，并且这样做的代码更具可读性：

import re

data = ['Laura Compton, a Stock Broker from Los Angeles, California',
        'Miles Miller, a Soccer Player from Seattle, Washington']

pattern = (r'^(?P<name>[^,]+)\, an? (?P<position>.+) from '
           r'(?P<city>[^,]+)\, +(?P<state>.+)')

FIELDS = 'name', 'position', 'city', 'state'

for sentence in data:
    matches = re.search(pattern, sentence)
    name, position, city, state = matches.group(*FIELDS)
    print(', '.join([name, position, city, state]))

样本data产生的输出：

Laura Compton, Stock Broker, Los Angeles, California
Miles Miller, Soccer Player, Seattle, Washington

上午Kuchling 写了一篇很好的教程，标题为Regular Expression HOWTOyou should check-out。