【发布时间】：2016-10-17 17:00:47
【问题描述】：
我有一些文本是句子，其中一些是问题。我正在尝试创建一个正则表达式，它将仅提取包含特定短语的问题，即“NSF”：
import re
s = "This is a string. Is this a question? This isn't a question about NSF. Is this one about NSF? This one is a question about NSF but is it longer?"
理想情况下，re.findall 会返回：
['Is this one about NSF?','This one is a question about NSF but is it longer?']
但我目前的最佳尝试是：
re.findall('([\.\?].*?NSF.*\?)+?',s)
[". Is this a question? This isn't a question about NSF. Is this one about NSF? This one is a question about NSF but is it longer?"]
我知道我需要做一些不贪婪的事情，但我不确定我在哪里搞砸了。
【问题讨论】：
-
试试
r'\s*([^.?]*?NSF[^.?]*?[?])' -
@WiktorStribiżew 谢谢！您能解释一下您所做的一些更改以帮助我自己理解吗？
-
我在哄孩子睡觉。那么，它对你有用吗？关键是我使用否定字符类来匹配特定字符以外的文本块。
-
我认为最好的解决方案是使用
nltk将文本标记为句子并解析句子（参见this thread）。正则表达式在很多情况下都不起作用，请考虑缩写。 -
是的，您的解决方案确实有效。我知道一些 nltk 解析将是最好的方法，但我真的只是在寻找快速破解。基本上我想要一种快速的方法来检查我的语料库中的一些问题语法。有几种变体（ANSF、国家科学基金会等），但我只是想快速浏览一下。
标签： python regex non-greedy