代码之家 › 专栏 › 技术社区 › ytomo

如何使用正则表达式和python将文本提取限制到特定字符

text-extraction regex python

ytomo · 技术社区 · 7 年前

text = "Alun-alun/NNP Jombang/NNP tepatnya/RB Depan/IN SMP/NNP 2/CDP Jombang/NNP Besok/NNP pagi/NN :/: :/: :/: Minggu/NNP"

我喜欢从标签中提取任何单词 /IN /NNP 标签

Depan/IN SMP/NNP 2/CDP Jombang/NNP Besok/NNP pagi/NN :/: :/: :/: Minggu/NNP . 但如果代码满足以下任一条件,我希望它停止 /: 或标签以下是目前为止的代码:

import re

def entityExtract(text):
    # text = re.findall(r'([^\s/]*/IN\b[^/]*(?:/(?!IN\b)[^/]*)*/NNP\b)', text)
    text = re.findall(r'([^\s/]*/IN\b[^/]*(?:/(?!IN\b)[^/]*)*/(?:NNP|CDP)\b)', text)
    return text

text = "Alun-alun/NNP Jombang/NNP tepatnya/RB Depan/IN SMP/NNP 2/CDP Jombang/NNP Besok/NNP pagi/NN :/: :/: :/: Minggu/NNP"

extract = entityExtract(text)

print text
print extract

['Depan/IN SMP/NNP 2/CDP Jombang/NNP Besok/NNP pagi/NN :/: :/: :/: Minggu/NNP']

预期结果为:

['Depan/IN SMP/NNP 2/CDP Jombang/NNP Besok/NNP]

2 回复 | 直到 7 年前

kaza 7 年前

[^\s/]*/IN\b([^/]*/(?!IN\b|:\b)[^\s^/]*\b)*[^/]*/NNP\b

我和@DYZ一样困惑于你想停在哪里,所以我基于你的输出来编写正则表达式。
我相信你想抽 'word/tag' word+tag

您想在不包含标签的情况下将标签停在何处由该组控制 (?!IN\b|:\b|NN\b)

检查正则表达式 here

Marc Lambrichs user8588010 7 年前

我已经看过了@bulbus和@ytomo在评论中显示的正则表达式的答案,即:

[^\s/]*/IN\b[^/]*(?:/(?!IN\b|:\b)[^/]*\b)*/(?:NNP|CDP)\b

[^\s/]*/IN\b[^/]* 我将简化为 \w+/IN\b example 1 .

换句话说,你要解决的是:

后跟任意数量的\s[^/]+/\w+组,这不是\b中的\w+/
....您已匹配您可以找到的最后一个NNP或CDP组。

把它直接翻译成正则表达式,你会得到一个更可读的版本。(JMHO)

\w+/IN\b(\s[^/]+/[^\s]+) 在组中读取第一个组( example 2 )
\w+/IN\b(\s[^/]+/[^\s]+)* 重复第二组( example 3
\w+/IN\b(\s[^:/]+/(?!IN|:)[^\s]+)* 忽略组中的:/:和\w+/( example 4 )
\w+/IN\b(\s[^:/]+/(?!IN|:)[^\s]+)*\s\w+/(NNP|CDP)\b example 5 )

如果我们将这一结果与前面答案的评论中提出的@ytomo结果进行比较,似乎没有太大差异。然而,我甚至费心回答的原因是,正则表达式应该可读并且符合一些逻辑。你的代码明天将投入生产,当你的代码崩溃时,必须有人在一定的时间压力下进行检查。

推荐文章

Google User · Django管理员在`list_display中未显示`creation_date`字段`

5 月前

user29747013 · 如何创建一个新的数据框架,其中包含原始数据框架中列的聚合列?

5 月前

ÎÎÎ½Î· ÎÎ®Î¹Î½Î¿Ï · Python lxml.html语法错误:使用lxml find时XPATH的谓词无效

5 月前

user29715306 · from_users=和chats=电视节目中的差异

5 月前

Redshoe · 当执行numpy.genfromtxt()时,python是否会读取文件的所有行?

5 月前

RASEL MAHMUD · 为什么以及如何在is_even()函数内的IF条件中递归X变量在满足0后递增?[副本]

5 月前

prayner · 更新嵌套字典包含列表中的项

5 月前

Bringo Jr · 我可以在O(n)中解决这个问题吗?

5 月前

Dave · 如何在for循环中修改列表值

5 月前

Shukurullox Komiljonov · 从记录中获得相互和解。使用SQL

5 月前