使用 python 从文章中提取数据的多个正则表达式模式答案

【问题标题】：Multiple regex patterns to extract data from article using python使用 python 从文章中提取数据的多个正则表达式模式
【发布时间】：2018-10-03 00:08:12
【问题描述】：

python 新手，但生活却老了。我尝试使用 txt 文件中的多个正则表达式模式从新闻文章 txt 文件中提取数据。我已经达到了可以找到匹配项但无法保存提取数据的地步。到目前为止，这就是我在原始不卫生的非 Python 脚本中所拥有的。我感谢所有的 cmet，因为我正在自学。

import re

reg_ex = open('APT1.txt', "r", encoding = 'utf-8-sig')
lines = reg_ex.read()
strip = lines.strip()
reggie = strip.split(';') 


reggie_lst = []
match_lst = []

for raw_regex in reggie:
    reggie_lst.append(re.compile(raw_regex))


get_string = open("APT.txt", "r", encoding = 'utf-8-sig')
nystring = get_string.read()


if any(compiled_reg.search(nystring) for compiled_reg in reggie_lst):
    print("Got some Matches")

【问题讨论】：

你想提取什么？列表中所有正则表达式的所有匹配项？如果您提供一个简单的示例和预期的结果会更好。另外，请说明您要问的问题是什么。
坐在一个循环中，就像编译的正则表达式上的一个 for 循环。使用正则表达式和输入做某种查找。因此，每次传递都会获得一些数据数组，您可以将它们保存到永久位置。
抱歉不清楚。我想从 APT.txt 文件中的文章中提取所有匹配项。我在问如何捕获这些数据（匹配单词列表）并将其放入另一个 txt 文件中。这些词将是词的精确词和派生词。

标签： python regex

【解决方案1】：

您可以使用re.findall() 将您的数据提取到一个列表中，而不仅仅是询问正则表达式是否匹配。

import re

reg_ex = open('APT1.txt', "r", encoding='utf-8-sig')
lines = reg_ex.read()
strip = lines.strip()
reggie = strip.split(';')

reggie_lst = []
match_lst = []

for raw_regex in reggie:
    reggie_lst.append(raw_regex)

get_string = open("APT.txt", "r", encoding='utf-8-sig')
nystring = get_string.read()


for reg in reggie_lst:
    for text_match in re.findall(reg, nystring):
        print("Got match for regex {}: {}".format(reg, text_match))

当然，您也可以将其保存在新文件中，而不是在最后一行打印。在此示例中，我还删除了仅为打印/调试目的编译正则表达式。

在您的正则表达式中使用括号（组）时要小心。 re.findall() 的行为与 re.search() 或 re.match() 有点不同。然后你必须使用(?: …，另见this post。

【讨论】：

谢谢。我还有很长的路要走，还有很多阅读要做。这让我超越了一个症结所在。非常感谢。