我对正则表达式的结果不如预期。

Question

我正在寻找text6中包含字母z或者字符序列pt，或以ize结尾的单词。

我写了下面的代码，但是它包含了很多不符合上述条件的单词，比如appease、dance、offensive、executive等。为什么会发生这种情况？

L2=[w for w in text6 if re.search(r".*[z]|.*[p][t]|[ize]$",w)

另一个问题是在之前的练习基础上构建的：我需要添加一个新的替代条件，即单词以1开头，并且只有一个大写字母。

我写了

L2=[w for w in text6 if re.search(r"[A-Z]{1}|.*[z]|.*[p][t]|[ize]$",w)

它还包括大写字母（即所有字符都是大写字母）

我该如何解决这些问题？

- Mauro Gentile

---

在您的第一个情况中，ize$ 是必要的吗？任何包含此模式的单词也会被仅使用 z 捕获吗？ - Psidom

Answer 1

你正在遍历字符而不是单词，这种情况下你需要分割你的文本。

此外，你可以不使用正则表达式来完成所有这些工作：

from string import ascii_uppercase

def check_word(word):
    return 'z' in word or 'pt' in word or word.endswith('ize') or word.startswith(tuple(ascii_uppercase))

[w for w in text6.split() if check_word(w)]

演示：

>>> text6 = "here are some example: appease dance offensive xxxize executive and other extra words optimum Python"
>>> [w for w in text6.split() if check_word(w)]
['xxxize', 'optimum', 'Python']

对于最后一个条件（单词以1个大写字母开头），如果你不想在单词中除了第一个字母外有其他大写字母，你可以在 check_word 函数中添加 (word[1:].islower())：

def check_word(word):
    return 'z' in word or 'pt' in word or word.endswith('ize') or (word.startswith(tuple(ascii_uppercase)) and word[1:].islower())

注意：如果你想用多个分隔符或基于其他条件分隔单词，可以使用re.findall()来查找单词。

例如，以下正则表达式将查找包含单词字符的单词：

re.findall(r'\b\w+\b', my_str)

- Mazdak

Answer 2

我建议在这里采用非正则表达式的方法，因为正则表达式似乎比这种情况要求更复杂。

首先，你可以去掉“以ize结尾”的限制，因为这个条件适用于任何带有z的单词。

text6 = [
    'appease', 'dance', 'offensive', 'executive',
    'inept', 'zoo', 'Inept', 'Zoo', 'INept', 'ZOo']

仅匹配小写的单词pt或z：

[w for w in text6 if 'pt' in w or 'z' in w]  # ['inept', 'zoo', 'Inept', 'INept']

为了匹配上述情况以及仅大写字母单词：

[w for w in text6 if w.istitle() and ('pt' in w or 'z' in w)]  # ['Inept']

当然，编写一个抽象出这个逻辑的函数可能会更好：

def meets_criteria(word):
    return word.istitle() and ('pt' in word or 'z' in word)

[w for w in text6 if meets_criteria(w)]

如果你想匹配以Z和Pt开头的单词，可以检查w.lower()是否在其中。

- Karin

Answer 3

你所寻找的是：

[w for w in text6 if re.search(r"z|pt|ize$", w)]

这将捕获所有必需的单词。请注意，最后一部分并非必需，因为与ize$匹配的任何单词也将与z匹配。因此，本质上，表达式简化为：

[w for w in text6 if re.search(r"z|pt", w)]

第二种情况可以通过使用表达式 ^[A-Z]{1}[^A-Z]来解决。也就是说，

• 以一个大写字母开头
• 后面没有大写字母

以下是使用示例：

[w for w in text6 if re.search(r"^[A-Z]{1}[^A-Z]|z|pt|ize$", w)]

或者，简单地说，

[w for w in text6 if re.search(r"^[A-Z]{1}[^A-Z]|z|pt", w)]

- agamagarwal

---

假设text6是一个单词列表。如果不是，请像@Kasramvd指出的那样在text6.split()上运行循环。 - agamagarwal