如何使用 Python Regex 提取特定字符串

Question

我一直在努力解决非常具有挑战性的字符串。
例如，

str1 = '95% for Pikachu, 92% for Sandshrew'
str2 = '70% for Paras & 100% Arcanine'
str3 = '99% Diglett, 40% Dugtrio'
str4 = '10% Squirtle, 100% for Alakazam'
str5 = '30% Metopod & 99% Dewgong'

字符串以%整数开头，可能有for，然后是口袋妖怪的名字。可能有comma(,) 或& 符号，然后是新的% 整数。终于有了pokemon的另一个名字。（全部以大写字母开头）
我要提取两个pokemon，比如result，

['Pikachu', 'Sandshrew']
['Paras', 'Arcanine']
['Diglett', 'Dugtrio']
['Squirtle', 'Alakazam']
['Metopod', 'Dewgong']

然后我可以使用in 语法创建所有 pokemen 的列表，但这不是最好的方法（以防他们添加更多 pokemon）。是否可以使用正则表达式进行提取？
提前致谢！
编辑
根据要求，我正在添加我的代码，

str_list = [str1, str2, str3, str4, str5]

for x in str_list:
    temp_list = []
    if 'for' in x:
        temp = x.split('% for', 1)[1].strip()
        temp_list.append(temp)
    else:
        temp = x.split(" ", 1)[1]
        temp_list.append(temp)
print(temp_list)

我知道这不是正则表达式。我试过的表达是，\d+ 提取整数开始...但不知道如何开始。
EDIT2
@b_c 有很好的边缘情况，所以我在这里添加它

edge_str = '100% for Pikachu, 29% Pika Pika Pikachu'

结果

['Pikachu', 'Pika Pika Pikachu']

Answer 1

希望我没有过度设计这个，但我想涵盖稍微复杂的命名口袋妖怪的边缘情况，例如“Mime 先生”、“Farfetch'd”和/或“Nidoran♂” "（仅查看前 151 个）。

我使用的模式是(?:(?:\d+%(?: |for)+([A-Z](?:[\w\.♀♂']|(?: (?=[A-Z])))+))+)[, &]*，它看起来在我的测试中有效（这里是regex101 link 用于细分）。

对于一般摘要，我正在寻找：

• 1+ 位后跟 %
• 一个空格或单词“for”至少一次
• （开始捕获）首字母大写
• （结束捕获组）中的至少一项：
  • 单词字符、句号、男性/女性符号或撇号
    • 注意：如果您想捕捉其他“奇怪”的口袋妖怪字符，例如数字、冒号等，请将它们添加到此部分（[\w\.♀♂'] 位）。
  • 或空格，但仅如果后跟大写字母
• 逗号、空格或 & 符号，任意次数

除非更改，否则 Python 的内置 re 模块不支持重复的捕获组（我相信我做对了），所以我只是使用了 re.findall 并将它们组织成对（我从您的输入中替换了几个名称复杂的）：

import re

str1 = '95% for Pikachu, 92% for Mr. Mime'
str2 = '70% for Paras & 100% Arcanine'
str3 = '99% Diglett, 40% Dugtrio'
str4 = "10% Squirtle, 100% for Farfetch'd"
str5 = '30% Metopod & 99% Nidoran♂'

pattern = r"(?:(?:\d+%(?: |for)+([A-Z](?:[\w\.♀♂']|(?: (?=[A-Z])))+))+)[, &]*"

# Find matches in each string, then unpack each list of
# matches into a flat list
all_matches = [match
               for s in [str1, str2, str3, str4, str5]
               for match in re.findall(pattern, s)]

# Pair up the matches
pairs = zip(all_matches[::2], all_matches[1::2])

for pair in pairs:
    print(pair)

然后打印出来：

('Pikachu', 'Mr. Mime')
('Paras', 'Arcanine')
('Diglett', 'Dugtrio')
('Squirtle', "Farfetch'd")
('Metopod', 'Nidoran♂')

另外，正如已经提到的，你确实在口袋妖怪名称中有一些拼写错误，但不幸的是，正则表达式不是正确的解决方法:)

Answer 2

由于您的字符串中似乎没有其他大写字母，您可以简单地使用[A-Z]\w+ 作为正则表达式。 见regex101

代码：

import re

str1 = '95% for Pikachu, 92% for Sandsherew'
str2 = '70% for Paras & 100% Arcanine'
str3 = '99% Diglett, 40% Dugtrio'
str4 = '10% Squirtle, 100% for Alakazam'
str5 = '30% Metopod & 99% Dewgong'

str_list = [str1, str2, str3, str4, str5]
regex = re.compile('[A-Z]\w+')
pokemon_list = []
for x in str_list:
    pokemon_list.append(re.findall(regex, x))
print(pokemon_list)

输出：

[['Pikachu', 'Sandsherew'], ['Paras', 'Arcanine'], ['Diglett', 'Dugtrio'], ['Squirtle', 'Alakazam'], ['Metopod', 'Dewgong']]

Answer 3

如果您不想使用正则表达式并且不想依赖大写，另一种方法

def pokeFinder(strng):
    wordList = strng.split()
    pokeList = []
    for word in wordList:
        if not set('[~!@#$%^&*()_+{}":;\']+$').intersection(word) and 'for' not in word:
            pokeList.append(word.replace(',', ''))
    return pokeList

这不会添加带有特殊字符的单词。它也不会添加for 的单词。然后它会从找到的单词中删除逗号。

str2 的打印返回 ['Diglett', 'Dugtrio']

---

编辑 鉴于显然有两个单词和特殊字符的口袋妖怪，我对上述代码做了这个稍微复杂的版本

def pokeFinder(strng):
    wordList = strng.split()
    pokeList = []
    prevWasWord = False
    for word in wordList:
        if not set('%&').intersection(word) and 'for' not in word:
            clnWord = word.replace(',', '')
            if prevWasWord is True: # 2 poke in a row means same poke
                pokeList[-1] = pokeList[-1] + ' ' + clnWord
            else:
                pokeList.append(clnWord)
                prevWasWord = True
        else:
            prevWasWord = False
    return pokeList

如果没有“三字”口袋妖怪，并且 OP 设置的规则保持不变，这应该总是有效的。连续 2 次 poke 匹配添加到前一个 pokemon。

所以打印一串'30% for Mr. Mime & 20% for Type: Null' 得到 ['Mr. Mime', 'Type: Null']

Answer 4

使用积极的向后看，无论大小写如何，这都会起作用。

(?<=\d\d% for )[A-Za-z]+|(?<=\d% for )[A-Za-z]+

编辑：将其更改为在 Python 中工作。