使用正则表达式捕获包含列表中每个单词的单词的集合python答案

【问题标题】：using regex to capture setences containing word for each word in a list python使用正则表达式捕获包含列表中每个单词的单词的集合python
【发布时间】：2020-09-20 23:35:48
【问题描述】：

我正在使用 python 和正则表达式来尝试抓取推文列表中的所有句子，其中包含一系列 pandas df 中每个单词的特定单词。

我的 df stocks_df 包含某些股票名称，例如

  Symbol
0   $GSX
1  $NVDA
2  $MBRX
5  $BBBY
6   $DIS

我想要推文中包含这些字符串的所有句子。我尝试的解决方案遵循我遇到的另一个正则表达式问题：Key error when using regex quantifier python

但是我的解决方案主要是在句子的开头抓取符号，如果在句子的中间则不抓取它。它似乎也只匹配符号而没有得到句子的其余部分。我的代码是这样的：

pattern2 = r'(?:{}) (?:[^.]*[^.]*\.)'.format("|".join(map(re.escape, stocks_df['Symbol'])))

有人明白为什么不匹配完整的句子吗？

【问题讨论】：

不确定[^.]*[^.]* 的意图为什么要重复？给我们一些输入的例子。
这里没有足够的细节。如果您打算匹配没有包含“单词”的缩写的“句子”，您可以尝试使用r'[^.?!]*(?:{})\b[^.?!]*[.?!]' 而不是r'(?:{}) (?:[^.]*[^.]*\.)'。
@WiktorStribiżew 谢谢，我的解释可能有点糟糕，但你的模式正是我想要得到的。谢谢。

标签： python regex pandas

【解决方案1】：

如果您不必处理缩写和其他杂乱的格式，您可以使用匹配这些字符串

r'[^.?!]*(?:{})\b[^.?!]*[.?!]'.format("|".join(map(re.escape, stocks_df['Symbol'])))

模式看起来像 [^.?!]*(?:\$GSX|\$NVDA|...)\b[^.?!]*[.?!] 并且会匹配

[^.?!]* - 除了 !、? 和 . 之外的 0 个或多个字符
(?:\$GSX|\$NVDA) - 符号列中的一个词
\b - 需要整个单词，\b 是单词边界
[^.?!]* - 除了!、? 和 . 之外的 0 个或多个字符
[.?!] - ?、! 或 .

【讨论】：