一对单引号之间的匹配文本[重复]

Question

我正在尝试从 .txt 文件中提取 ImageNet 标签，如下所示。

998：'耳朵，穗状花序，头状花序'， 999: '卫生纸、卫生纸、卫生纸'}

我试过了

label = []

txt = open("imagenet1000_clsid_to_human.txt").readlines()
#  print(str(txt))
p = re.compile(r"'(.*?)'")

#  print(txt)
for i in range(len(txt)):
    #  print(txt[i])
    #  print('\n')
    m = p.match(txt[i])

    if m:
        lis = list(m.group())[:-1]
        s = ''.join(lis)
        print(s)
        label.append(s)

提取单引号内的子字符串，但它不断吐出'None'。

我已经尝试过在线正则表达式编译器，它工作得非常好。有人可以就这个问题给点建议吗？

Answer 1

主要问题是您应该使用re.search()，而不是re.match()。 re.match() 匹配从字符串开头开始的模式，在模式的开头有一个隐含的^。

对 RE 模式使用原始字符串是明智之举，但括号已过分：

import re

txt = "998: 'ear, spike, capitulum', 999: 'toilet tissue, toilet paper, bathroom tissue'"

p = re.compile(r"'(.*?)'")
m = p.search(txt)
print(m.groups())

给予：

('ear, spike, capitulum',)

Answer 2

这行得通：

import re
re.findall(r"'(.*?)'", txt)

这个正则表达式链接：

https://regex101.com/r/QP8omt/1

Answer 3

并非所有事情都需要通过正则表达式完成。

label = []

with open("imagenet1000_clsid_to_human.txt", 'r', encoding='utf8') as f:
    for line in f:
        parts = line.split("'")
        if len(parts) == 3:
            label.append(parts[1])

旁注：始终打开具有特定编码的文本文件。如果您不确定文件的编码是什么，那么 Python 也是如此。没有神奇的编码检测，你不应该依赖 Python 的默认值。