Question

我正在尝试使用python中的re模块匹配特定模式。我希望匹配一个完整的句子（更准确地说，我会说它们是由空格和/或标点符号分隔的字母数字字符串序列）

例如

“这是一个常规判决。”
“这也有效”
“这就是这一个”

我尝试了正则表达式的各种组合，但我无法正确掌握模式的工作，每个表达式给我一个不同但又莫名其妙的结果（我承认我是初学者，但仍然）。

我试过了：

“（（\ W +）（\ S'））*”

据我所知，这应该匹配一个或多个alpha字母数字，贪婪地跟随一个或没有空格字符，然后它应该贪婪地匹配整个模式。这不是它似乎做的，所以显然我错了，但我想知道为什么。（我希望这会将整个句子作为结果返回）我得到的上面提到的第一个样本字符串的结果是[（'sentence'，'sentence'，''），（''，''，''），（''，''，''），（'' '，''，''）]。
“（\ w +？）*”

我甚至不确定这个应该如何工作。官方文档（python help（'re'））表示，+，？匹配前面RE的x或x（贪婪）重复。在这种情况下，只需将前面的RE空间用于'？'或是'\ w +'前面的RE？什么是“”运算符的RE？我得到的输出是['句子']。
其他如“（\ w + \ s？）+）”; “（（\ w *）（\ s ??））等基本上是同一想法的变体，即句子是一组阿尔法数字，后面是单个/有限数量的空格，这个模式重复在结束了。

有人可以告诉我哪里出错了，为什么，为什么上面的表达方式不像我期望的那样工作？

P.S我最终得到“[\ w] +”为我工作，但有了这个我不能限制继续的空白字符数。

Answer 1

您对正则表达式的推理是正确的，您的问题来自于使用*的捕获组。这是另一种选择：

>>> s="This is a regular sentence."
>>> import re
>>> re.findall(r'\w+\s?', s)
['This ', 'is ', 'a ', 'regular ', 'sentence']

在这种情况下，您可能更有意义使用\b来匹配单词边界。

>>> re.findall(r'\w+\b', s)
['This', 'is', 'a', 'regular', 'sentence']

或者，您可以通过re.match匹配整个句子并使用re.group(0)来获得整场比赛：

>>> r = r"((\w+)(\s?))*"
>>> s = "This is a regular sentence."
>>> import re
>>> m = re.match(r, s)
>>> m.group(0)
'This is a regular sentence'

Answer 2

这是一个很棒的正则表达式教程网站：

http://regexone.com/

这是一个与给出的例子匹配的正则表达式：

([a-zA-Z0-9,\. ]+)

Answer 3

为什么要在延续中限制空格字符数？因为句子可以包含任意数量的单词（字母数字字符序列）和行中的空格，而是句子是以标点符号结尾的文本区域，或者更确切地说是包含空格的上述序列中的某些内容。

([a-zA-Z0-9\s])*

上述正则表达式将匹配一个句子，其中它是一系列或多个系列的空格。您可以将其细化为以下内容：

([a-zA-Z0-9])([a-zA-Z0-9\s])*

其中只是说明上述序列必须以字母数字字符开头。

希望这就是你要找的东西。

Answer 4

也许这会有所帮助：

import re

source = """
This is a regular sentence.
this is also valid
so is This ONE
how about this one  followed by this one
"""

re_sentence = re.compile(r'[^ \n.].*?(\.|\n|  +)')

def main():
    i = 0
    for s in re_sentence.finditer(source):
        print "%d:%s" % (i, s.group(0))
        i += 1

if __name__ == '__main__':
    main()

我在表达式(\.|\n| +)中使用交替来描述句子结束条件。注意在第三次交替中使用两个空格。第二个空格具有'+'元字符，因此一行中的两个或多个空格将成为句末。

在Python中混淆正则表达式的行为

4 个答案: