带逗号的正则表达式搜索

Question

在正则表达式方面需要一些帮助。

str = 'label1 a1,832,b2 and label2 2, c45'

尝试将结果返回为

['label a1',label 832','label b2','label 2', 'label c45']

目前只能得到['label2 a1','label2 2']

谢谢！

编辑：

澄清一下。

我有一个标签列表

labelList = ['dog','cat','mouse',...]

str = 'There are 3 locations which are dog 122, h25 and cat a3.'

结果应该是：

result = 'dog 122', 'dog h25' and 'cat a3'.

目前我正在进行正则表达式搜索：

for x in labelList:
    re.search(r'\b(%s) ([^ \r\n]+\b')

希望这能澄清问题！

编辑2：

labelList = ['dog','cat','mouse',...]

str = 'There are 3 locations which are dog 122, h25 and cat a3.'

for x in labelList:

    if re.search(r'\b(%s)\b' % (x), str):

        nr = [f"(%s) {m}" % (x) for m in re.findall(r"(?:(%s))?(\w+)",  comText) if m!= 'and']
        print(nr)

但是，输出似乎是错误的。它给了我以下输出

["(dog) (' ','there')", "(dog) (' ','are')", "(dog) (' ', '3')" ... 

Answer 1

试试这个：

import re
str = 'label1 a1,832,b2 and label2 2, c45'
str = str.replace('and', ',')
str = re.sub(r"label[0-9]+", "", str)
labels = ['label {}'.format(x.strip()) for x in str.split(',')]

输出是：

labels = ['label a1', 'label 832', 'label b2', 'label 2', 'label c45']

在我看来，您将 label[0-9]+ 和子字符串 and 作为无用信息。 只需将其删除并提取标签名称即可。然后使用string.format()函数重构字符串

Answer 2

好的。到目前为止，我有一种方法可以提取一个标签后面的文本，直到一个句点或单词“and”。

>>> target_str = 'There are 3 locations which are dog 122, h25 and cat a3.'
>>> label_list = ['dog', 'cat', 'mouse', 'wombat']
>>> 
>>> expr = r"\b(" + '|'.join(label_list) + r")(.*?)(?:and|\.)"
>>>
>>> label_expr = re.compile(expr)  # Put somwhere it will only be compiled once.
>>>
>>> new_label_list = [f"{species} {tag}" 
...                   for species, tags in label_expr.findall(target_str)
...                   for tag in re.findall(r"\w+", tags)]
>>> new_label_list
['dog 122', 'dog h25', 'cat a3']
>>> 

标签分两个阶段提取。首先，我们得到一个元组列表，其中第一项是物种（狗，猫），第二项是标签（或标签）的原始列表。然后进行迭代以构建最终标签。

如果编译表达式，请将编译代码放在只需要执行一次的地方 - 否则编译它的意义何在。

或者使用.finditer() 代替.findall()。

>>> new_label_list = [f"{m.group(1)} {tag}"
...                   for m in label_expr.finditer(target_str)
...                   for tag in re.findall(r"\w+", m.group(2))]
>>> new_label_list
['dog 122', 'dog h25', 'cat a3']