Python正则表达式：从句点到句点返回带有某个单词的整个句子答案

【问题标题】：Python regex: return the whole sentence with a certain word in it from period to periodPython正则表达式：从句点到句点返回带有某个单词的整个句子
【发布时间】：2016-06-08 10:20:45
【问题描述】：

下面是我要处理的句子。它由以前面两个散列 (##2312435) 和剩余文本开头的 ID 组成。我需要一个正则表达式，它可以在其中找到带有单词likely 的句子，并检索整个句子加上 ID。

句子：

##2312435 乔恩不在家。约翰很可能会在午夜之后回家。另一个不相关的句子。 ##2233442 马克很生气。马克今晚可能会喝啤酒。

我设法写了这个：

(?=.\*((?<=##)\d+))(?=.*([^.]+(likely)+[^.]+))

但这并不能检索完整的句子。

预期结果如下所示：2312435 John 可能会在午夜后回家，2233442 Mark 可能会在今晚喝啤酒

我问这个只是为了一般知识，因为我正在努力掌握环视。我已经在没有正则表达式的情况下解决了这个问题，但我想我可以试一试并尝试使用正则表达式检索所需的信息。谢谢

【问题讨论】：

你知道你不需要正则表达式吗？
是的，我确实意识到，没有他们我已经做到了，但我想练习一下正则表达式，但无法解决这个问题。
好的。可能想在您的帖子中添加它，并请添加您希望您的正则表达式检索的内容（示例）
## 和likely 之后可以出现多个句子，并且 id 在句子本身中。你想要##id 和这些句子中的每一个，还是只想要第一个？
他们每个人，谢谢。

标签： python regex text-analysis

【解决方案1】：

所以它非常丑陋，并且仅在只有一个带有单词likely的句子的情况下才有效：

re.findall(r'##(\d+)(?:[^#]*\.)*([^#.]*?likely[^#.]*?)\.', text, re.IGNORECASE)

# Output:
#[('2312435', ' John is likely to come home after midnight'),
# ('2233442', ' Mark is likely to have a beer tonight')]

【讨论】：

【解决方案2】：

p = re.compile(r'^##\d+.*likely.*$')
res = p.match(t).group().replace('##','')

例如，

>>> t = '##2312435 Jon is not home. John is likely to come home after midnight. Another not related sentence. ##2233442 Mark is very angry. Mark is likely to have a beer tonight.'
>>> p = re.compile(r'^##\d+.*likely.*$')
>>> res = p.match(t).group().replace('##','')
>>> print res
2312435 Jon is not home. John is likely to come home after midnight. Another not related sentence. 2233442 Mark is very angry. Mark is likely to have a beer tonight.

【讨论】：

【解决方案3】：

这个任务的任何正则表达式看起来都很难看，但我们至少可以让它高效。

基本的正则表达式是匹配## + 数字，捕获这些数字，然后匹配任何不是## + 数字的文本，然后是likely，然后再匹配任何不是## + 数字的文本.

##(\d+)\s*((?:(?!##\d).)*\blikely\b(?:(?!##\d).)*)

请参阅regex demo。 (?:(?!##\d).)* 是一个缓和的贪婪令牌，对于正则表达式引擎来说相当沉重。

我们可以展开它以提高性能，例如：

##(\d+)\s*([^#]*(?:#(?!#\d)[^#]*)*\blikely\b[^#]*(?:#(?!#\d)[^#]*)*)

见another demo

这还是没有那么高效，如果你不需要检查整个单词likely，你可以使用

##(\d+)\s*([^#l]*(?:#(?!#\d)[^l#]*|l(?!ikely)[^l#]*)*likely[^#]*(?:#(?!#\d)[^#]*)*)

见another regex。

【讨论】：