用于提取标签和单词的 Python 正则表达式答案

【问题标题】：Python Regexp for extracting tags and words用于提取标签和单词的 Python 正则表达式
【发布时间】：2016-12-21 21:54:16
【问题描述】：

我有以下字符串：

str1 = "I/TAG1 like/TAG2 red/TAG3 apples/TAG3 ./TAG4"

我在 python 中有两个列表

tokens = []
tags = []

我想要的输出是：

tokens = ['I', 'like', 'red', 'apples', '.']
tags = ['TAG1', 'TAG2', 'TAG3', 'TAG3', 'TAG4']

我正在尝试使用这样的正则表达式：

r"\w*\/"

但这会提取带有斜杠的单词，即 I/。我如何才能获得所需的输出，至少对于令牌（获取 / 之前的所有内容）？

【问题讨论】：

标签： python regex python-2.7 tokenize

【解决方案1】：

你可以使用：

>>> re.findall(r'([\w.]+)/([\w.]+)', str1)

[('I', 'TAG1'), ('like', 'TAG2'), ('red', 'TAG3'), ('apples', 'TAG3'), ('.', 'TAG4')]

代码：

>>> tags=[]
>>> vals=[]
>>> for m in re.findall(r'([\w.]+)/([\w.]+)', str1):
...     tags.append(m[0])
...     vals.append(m[1])
...

>>> print tags
['I', 'like', 'red', 'apples', '.']

>>> print vals
['TAG1', 'TAG2', 'TAG3', 'TAG3', 'TAG4']

【讨论】：

最后一个问题，如果我还想提取这样的词，我该怎么办： mt./gal/hr/TAG5, 1/2/TAG5 ？（标签总是在最后一个 / 之后）
好的，使用这个正则表达式然后r'(\S+)/([\w.]+)'而不是r'([\w.]+)/([\w.]+)'

【解决方案2】：

您可以通过空格和斜杠组合使用str.split()。然后调用zip() 将输出传送到两个单独的列表中：

>>> tokens, tags = zip(*[item.split("/") for item in str1.split()])
>>> tokens
('I', 'like', 'red', 'apples', '.')
>>> tags
('TAG1', 'TAG2', 'TAG3', 'TAG3', 'TAG4')

【讨论】：