正则表达单词内一个句号

Question

我在使用regexp匹配一个字符串时遇到了麻烦（我不是那个经验丰富的regexp）。我有一个字符串，其中包含每个单词和标记后面的正斜杠。一个例子：

led/O by/O Timothy/PERSON R./PERSON Geithner/PERSON ,/O the/O president/O of/O the/O New/ORGANIZATION

在这些字符串中，我只对/PERSON之前的所有字符串感兴趣。这是我提出的正则表达式模式：

(\w)*\/PERSON

我的代码：

match = re.findall(r'(\w)*\/PERSON', string)

基本上，我匹配/PERSON之前的任何单词。输出：

>>> reg
['Timothy', '', 'Geithner']

我的问题是第二个匹配，与R./PERSON的空字符串匹配，该点不是单词字符。我把我的正则表达式改为：

match = re.findall(r'(\w|.*?)\/PERSON', string)

但现在的比赛是：

['led/O by/O Timothy', ' R.', ' Geithner']

包含led/O by/O的第一个/ PERSON之前的所有内容都取而代之，而不只是匹配Timothy。有人可以帮助我如何进行这种匹配，同时包括一个句号作为缩写？或者至少，没有空字符串匹配？

谢谢，

Answer 1

匹配除空格字符（[^ ]*）之外的所有内容。您还需要捕获中的星号（*）：

match = re.findall(r'([^ ]*)\/PERSON', string)

Answer 2

首先，(\w|.)匹配“一个单词字符或任何字符”（点匹配任何字符，这就是你获得这些空格的原因）。

使用反斜杠转义它可以解决问题：(\w|\.)

其次，正如@Ionut Hulub指出的那样，您可能希望使用+而不是*来确保您匹配某些内容，但正则表达式的工作原则是“最左侧” ，最长的“所以它总是试图匹配斜线前最长的部分。

如果您想匹配任何非空白字符，可以使用\S代替(\w|\.)，这可能实际上就是您想要的。