在 Python 中使用 RegEx 查找关键字列表和指向之间的文本答案

【问题标题】：Find text between list of keywords and point with RegEx in Python在 Python 中使用 RegEx 查找关键字列表和指向之间的文本
【发布时间】：2018-07-25 08:10:24
【问题描述】：

# coding=utf-8
import re

m = "Hola esto es un ejemplo Objeto: esta es una de, las palabras."

keywords = ['Objeto:', 'OBJETO', 'Objeto social:', 'Objetos']

obj = re.compile(r'\b(?:{})\b\s*(.*?),'.format('|'.join(map(re.escape, keywords))))
print obj.findall(m)

我想在关键字的一个单词和下一点之间打印文本。在这些情况下我想要的输出：“esta es una de, las palabras。”

【问题讨论】：

由于您的关键字是多词条目的列表，甚至是空格分隔的，并且它们重叠，您应该考虑通过首先按长度按降序对项目进行排序来构建交替，正如我展示的@ 987654321@。否则，您可能会在结果中看到不需要的文本。
哦，完美。这个解决方案比我的要优化得多。谢谢！ :)
好吧，我仍然不确定单词边界。可能您需要真正丢弃 Jean-Francois 使用的右侧边界。

标签： python regex keyword

【解决方案1】：

结尾的 \b 会阻止匹配，因为您的关键字以 : 结尾

通过删除它来简化您的正则表达式。加上贪婪/逗号(.*?), 只是提取逗号之前的第一部分，我想你的意思是“到下一点”：(.*?)\.

obj = re.compile(r'\b(?:{})\s*(.*?)\.'.format('|'.join(map(re.escape, keywords))))

结果：

['esta es una de, las palabras']

去除单词边界可以匹配句子中的部分关键字。之后您可以强制使用\W 使用非单词字符，它会起作用（就像单词边界一样）：

obj = re.compile(r'\b(?:{})\W\s*(.*?)\.'.format('|'.join(map(re.escape, keywords))))

【讨论】：

预期输出包括, las palabras.，不是吗？
是的，但要整句话切中要害。喜欢：esta es una de, las palabras
是的，我希望我的输出是 ['esta es una de, las palabras']
@AnnaCastan 尝试将正则表达式代码更改为 \b(?:{})\s*(.*?)\.
@marco_gorelli 完全正确！！非常感谢大家:) :)

【解决方案2】：

使用\b(?:{0})\s*(.*?)(?=\b(?:{0})|$) 代替前瞻：

import re
m = "Hola esto es un ejemplo Objeto: esta es una de, las palabras."
keywords = ['Objeto:', 'OBJETO', 'Objeto social:', 'Objetos']
obj = re.compile(r'\b(?:{0})\s*(.*?)(?=\b(?:{0})|$)'.format('|'.join(map(re.escape, keywords))))
print(obj.findall(m))

这个输出：

['esta es una de, las palabras.']

【讨论】：

这个答案也很好用！！非常感谢@blhsing :)