Python 正则表达式 findall答案

【问题标题】：Python regex findallPython 正则表达式 findall
【发布时间】：2011-12-06 20:13:38
【问题描述】：

我正在尝试使用 Python 2.7.2 中的正则表达式从字符串中提取所有出现的标记词。或者简单地说，我想提取[p][/p] 标签内的每一段文本。这是我的尝试：

regex = ur"[\u005B1P\u005D.+?\u005B\u002FP\u005D]+?"
line = "President [P] Barack Obama [/P] met Microsoft founder [P] Bill Gates [/P], yesterday."
person = re.findall(pattern, line)

打印person 产生['President [P]', '[/P]', '[P] Bill Gates [/P]']

正确的正则表达式是什么：['[P] Barack Obama [/P]', '[P] Bill Gates [/p]'] 或['Barrack Obama', 'Bill Gates']。

【问题讨论】：

标签： python regex

【解决方案1】：

import re
regex = ur"\[P\] (.+?) \[/P\]+?"
line = "President [P] Barack Obama [/P] met Microsoft founder [P] Bill Gates [/P], yesterday."
person = re.findall(regex, line)
print(person)

产量

['Barack Obama', 'Bill Gates']

正则表达式ur"[\u005B1P\u005D.+?\u005B\u002FP\u005D]+?" 完全相同 unicode 为 u'[[1P].+?[/P]]+?'，但更难阅读。

第一个括号组[[1P] 告诉re 列表中的任何字符['[', '1', 'P'] 应该匹配，与第二个括号组[/P]] 类似。这根本不是你想要的。所以，

删除外部封闭方括号。（同时删除在P前面流浪1。）
要保护[P] 中的文字括号，请使用a 转义括号反斜杠：\[P\].
要仅返回标签内的单词，请放置分组括号 .+? 附近。

【讨论】：

【解决方案2】：

试试这个：

   for match in re.finditer(r"\[P[^\]]*\](.*?)\[/P\]", subject):
        # match start: match.start()
        # match end (exclusive): match.end()
        # matched text: match.group()

【讨论】：

我真的很喜欢这个答案。如果您只想处理匹配项，则无需任何额外语句，例如 1) 保存列表，2) 处理列表不等同于 str = 'purple alice@google.com, blah monkey bob@abc.com blah diswasher' ## 这里 re.findall() 返回所有找到的电子邮件字符串的列表 emails = re.findall(r'[\w\.-]+@[\w\.-]+', str) # # ['alice@google.com', 'bob@abc.com'] for email in emails: # 对找到的每个电子邮件字符串执行某些操作 print email

【解决方案3】：

您的问题不是 100% 清楚，但我假设您想找到 [P][/P] 标签中的每一段文字：

>>> import re
>>> line = "President [P] Barack Obama [/P] met Microsoft founder [P] Bill Gates [/P], yesterday."
>>> re.findall('\[P\]\s?(.+?)\s?\[\/P\]', line)
['Barack Obama', 'Bill Gates']

【讨论】：

【解决方案4】：

你可以用

替换你的模式

regex = ur"\[P\]([\w\s]+)\[\/P\]"

【讨论】：

注意格式； 使用预览区域。因为你没有正确格式化它，所以反斜杠被浪费了（markdown 就是这样糟糕）。
你为什么用[\w\s]+而不是他用的.*?？无论如何，在我看来.*? 更有可能是他想要的。 [\w\s] 非常有限。
故意的限制。我使用 [\w\s]+ 因为显然提问者想要提取很少包含数字的名称。另请注意，提问者想要提取单词，而不是数字。只是我的意见，cmiiw
那些带有重音等有趣特征的名字呢？ not re.match('\w', u'é')。如果名称是任意的，您不应忽视非拉丁名称的可能性。

【解决方案5】：

使用这种模式，

pattern = '\[P\].+?\[\/P\]'

查看here

【讨论】：