Python正则表达式查找所有匹配项

Question

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标记词的出现次数。或者简单地说，我想提取在[p]和[/p]标记中的每一个文本片段。

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会产生['总统[P]', '[/P]', '[P]比尔·盖茨[/P]']

正确的正则表达式是什么，以获得：['[P]巴拉克·奥巴马[/P]', '[P]比尔·盖茨[/P]'] 或['巴拉克·奥巴马'， '比尔·盖茨']。

- Ignatius

Answer 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)

产生结果。

['Barack Obama', 'Bill Gates']

正则表达式 ur"[\u005B1P\u005D.+?\u005B\u002FP\u005D]+?" 是与 u'[[1P].+?[/P]]+?' 完全相同的Unicode编码，只是更难以阅读。

第一个方括号组 [[1P] 告诉 re 任何在列表 ['[', '1', 'P'] 中的字符都应该匹配，第二个方括号组 [/P]] 同理。这完全不是你想要的。因此，您需要：

• 删除外部包围的方括号。（还要删除在 P 前面的杂乱无章的 1。）
• 为了保护 [P] 中的文字，需要用反斜杠转义括号：\[P\]。
• 如果要返回标签内的单词，请将 .+? 放在分组括号中。

- unutbu

Answer 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()

- FailedDev

---

我真的很喜欢这个答案。如果你只想处理匹配项，那么这个方法可以做到，而且不需要额外的语句，比如1）保存列表，2）处理列表。这难道不等同于str = '紫色 [e-mail]，嘟嘟猴 [e-mail] 嘟嘟洗碗机'？

在这里，re.findall()会返回一个包含所有找到的电子邮件字符串的列表

emails = re.findall(r'[\w.-]+@[\w.-]+', str) ## ['[e-mail]', '[e-mail]']for email in emails: # 对每个找到的电子邮件字符串进行操作 print email - kkron

Answer 3

您的问题不是非常清楚，但我假设您想要找到在[P]和[/P]标签中间的所有文本：

>>> 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']

- Blair

Answer 4

您可以将您的模式替换为：

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

- pram

---

注意你的格式；使用预览区域。因为你没有正确格式化，反斜杠被吞掉了（markdown 就是这样糟糕）。 - Chris Morgan

дёәд»Җд№ҲдҪ дҪҝз”Ё[\w\s]+иҖҢдёҚжҳҜд»–дҪҝз”Ёзҡ„.*?пјҹеңЁжҲ‘зңӢжқҘпјҢ.*?жӣҙеҸҜиғҪжҳҜд»–жғіиҰҒзҡ„пјҢ[\w\s]еӨӘиҝҮдәҺйҷҗеҲ¶дәҶгҖӮ - Chris Morgan

限制是有意为之的。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。还请注意，提问者想要提取单词，而不是数字。这只是我的个人意见，如有错误请指正。 - pram

对于带有重音等有趣特征的名称怎么办？not re.match('\w', u'é')。如果名称是任意的，你不应该排除非拉丁字母名称的可能性。 - Chris Morgan

Answer 5

使用这个模式：

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

在这里检查。

- Sohn

---

这是一个重复的答案（没有添加任何当前顶部答案中没有的内容），而且是不正确的。它会匹配但不会捕获任何内容（没有捕获组）- 它没有回答问题，即使用re.findall获取匹配文本。 - LightCC