尝试使用Python中的findall（）在模式中查找重复的字符串

Question

我正在使用Python编写一个计算单词出现次数的程序。但是，为了计算，程序需要查看句子的开头并且只计算以％开头的句子中的单词。例如，

  

％act：＆lt; dur＆gt;把花生倒在盘子上

我想算出花生这个词。该程序应该返回1.而

  

* CHI：花生。

将返回0，因为它以*开头 所以我使用了findall（）

  

findall（'\％。*？'+“peanut”，website_html）

但是，如果一个句子有两个“花生”，那么模式匹配只会返回1.例如

  

％act：＆lt; bef＆gt;给花生。吃。 ＆LT; DUR＆GT;给花生。 ＆LT;船尾＆GT;给葡萄干

只会返回1.

如何让它返回2？

由于

Answer 1

我建议将其分为两部分。即，像：

num_peanuts = 0
for sentence in re.findall(r'(?m)^%.*', website_html):
    num_peanuts = len(re.findall(r'\bpeanut\b', sentence))

我不确定正确的正则表达式选择“以”％“开头的句子 - 这里我假设它是第一个字符为%的行（请注意默认情况下{{ 1}} 不匹配换行符;同样，.将regexp置于多行模式; (?m)是一个零宽度断言，匹配行的开头。）。

我还会注意到，与花生相关的正则表达式中的^是为了确保花生这个词不是某个较大词的子串（例如花生）。您可能会也可能不想要它们，具体取决于您的任务细节。