Python Regex 查找混入随机空格的单词答案

【问题标题】：Python Regex Find Word with Random White Space Mixed inPython Regex 查找混入随机空格的单词
【发布时间】：2020-09-15 11:41:21
【问题描述】：

当字符串在随机位置添加空格时，如何编写正则表达式来匹配字符串中的特定单词？

我有一个从具有表格结构的 pdf 文档中提取的字符串。由于该结构，提取的字符串包含随机插入的新行和空格。我正在寻找的特定单词和短语都以正确的顺序排列，但是用空格随机切碎。例如：“堆栈溢出”。

pdf 文档的内容是使用 PyPDF2 提取的，因为这是我公司的 python 库中唯一可用的选项。

我知道我可以为此编写一个特定的字符串匹配项，每个字符后可能有一个空格，但必须有更好的搜索方法。

这是我一直在尝试做的一个例子。

my_string = "find the ans weron sta ck over flow" 
# r's\s*t\s*a\s*c\s*k\s*'  # etc
my_cleaned_string = re.sub(r's\s*t\s*a\s*c\s*k\s*', '', my_string)

有什么建议吗？

【问题讨论】：

“更好”是什么意思？如果您需要在每个字母之间匹配任意数量的空格，这是唯一的方法。
感谢@Wiktor Stribiżew。我希望有一种通配符方法可以接受任意数量的 \s 出现...
\s* 是匹配 0 个或多个空格的通配符。
另外，请参阅 stackoverflow.com/questions/4590298/…，这正是 Tim 的回答 here。

标签： python regex

【解决方案1】：

其实你正在做的是最好的方法。我可以建议的唯一补充是从一个单词动态构造这样的正则表达式：

word = "stack"
regexp = r'\s*'.join(word)
my_string = "find the ans weron sta ck over flow" 
my_cleaned_string = re.sub(regexp, '', my_string)

【讨论】：

【解决方案2】：

您可能在这里做的最好的事情就是去除所有空格，然后在去除的文本中搜索目标字符串：

my_string = "find the ans weron sta ck over flow"
my_string = re.sub(r'\s+', '', my_string)
if 'stack' in my_string:
    print("MATCH")

我在上面使用“最佳”的原因是，通常您不会知道空格是实际的单词边界，还是只是插入的随机空格。因此，您实际上只能在剥离的文本中找到目标作为子字符串。请注意，输入文本 'rust acknowledge' 现在将匹配 stack 的正数。

【讨论】：