我知道有反斜杠的帖子，但他们的建议对我不起作用。 我试图捕捉SUBJECT之后的所有内容：以及公司（见下文）。
我正在使用此代码。注意双反斜杠\。但我的正则表达式的输出停止了 在CHI儿童，因为'CHI儿童'的反弹。我该怎么做才能处理这个不想被捕获的反斜杠？
indextext = re.findall(r'SUBJECT:\s+[A-Z\s\(\w+\%\)\;\&\:\-\,\/\\]+', udoc2)[0]
indextext = re.sub(r'\r\n','\n', indextext)
更新： 我无法预先指定'COMPANY：'的原因是因为每个文档都有不同的单词。有时公司不存在。我将被迫硬编码几十个例外。
udoc = [主题：创业者（93％）;新闻稿（91％）;营养（90％）;学生\ r \ n＆安培;学生生活（90％）;预防＆amp;健康（90％）;练习＆amp;健身（90％）; \ r \ nVENTURE CAPITAL（90％）;非营利组织（90％）;计算机软件（85％）; \ r \ nCHILDREN（78％）;公共私营伙伴关系（78％）;慈善机构（78％）;赞助\ r \ N（78％）;基金会（78％）;慈善事业（78％）;教育系统与机构\ r \ N（78％）;联盟＆amp;合作伙伴关系（77％）;娱乐与娱乐艺术（77％）;产品\ n \ n创新（77％）;工作场所计划（77％）;运动与娱乐活动（74％）; \ r \ nSPORTS FANS（74％）;美国足球锦标赛（74％）;许可协议\ r \ n（74％）;美国足球（74％）;体育（74％）;农业部门（73％）; \ r \ nOROROR FORCE（70％）;执行官（70％）;商业分析（67％）;商业软件\ r \ n（62％）NY-GENYOUth-SAP; CHI儿童相关新闻; LIC许可和营销\ r \ nAgreements \ r \ n \ r \ nCOMCOM：]
当前输出： 主题：企业家（93％）;新闻稿（91％）;营养（90％）;学生们 ＆安培;学生生活（90％）;预防＆amp;健康（90％）;练习＆amp;健身（90％）; 风险投资（90％）;非营利组织（90％）;计算机软件（85％）; 儿童（78％）;公共私营伙伴关系（78％）;慈善机构（78％）;赞助 （78％）;基金会（78％）;慈善事业（78％）;教育系统与机构 （78％）;联盟＆amp;合作伙伴关系（77％）;娱乐与娱乐艺术（77％）;产品 创新（77％）;工作场所计划（77％）;运动与娱乐活动（74％）; 体育迷（74％）;美国足球锦标赛（74％）;许可协议 （74％）;美国足球（74％）;体育（74％）;农业部门（73％）; 劳动力（70％）;执行官（70％）;商业分析（67％）;商业软件 （62％）NY-GENYOUth-SAP; CHI儿童
答案 0 :(得分：1)
你不是第一个在这里砰的一声
http://docs.python.org/2/howto/regex.html#the-backslash-plague
你需要4个反斜杠来逃避目标字符串中的反斜杠。
也就是说，我喜欢使用交互式工具来完善正则表达式，例如正则表达式教练。 http://www.weitz.de/regex-coach/
如果你不想做愚蠢的4反斜杠，请从你的外部工具复制并使用re.compile（re.escape（string））
答案 1 :(得分：1)
你的问题有点模糊，所以我不完全确定你在寻找什么
udoc = "SUBJECT: ENTREPRENEURSHIP (93%); PRESS RELEASES (91%); NUTRITION (90%); STUDENTS\r\n& STUDENT LIFE (90%); PREVENTION & WELLNESS (90%); EXERCISE & FITNESS (90%);\r\nVENTURE CAPITAL (90%); NONPROFIT ORGANIZATIONS (90%); COMPUTER SOFTWARE (85%);\r\nCHILDREN (78%); PUBLIC PRIVATE PARTNERSHIPS (78%); CHARITIES (78%); SPONSORSHIP\r\n(78%); FOUNDATIONS (78%); PHILANTHROPY (78%); EDUCATION SYSTEMS & INSTITUTIONS\r\n(78%); ALLIANCES & PARTNERSHIPS (77%); ENTERTAINMENT & ARTS (77%); PRODUCT\r\nINNOVATION (77%); WORKPLACE PROGRAMS (77%); SPORTS & RECREATION EVENTS (74%);\r\nSPORTS FANS (74%); AMERICAN FOOTBALL TOURNAMENTS (74%); LICENSING AGREEMENTS\r\n(74%); AMERICAN FOOTBALL (74%); SPORTS (74%); AGRICULTURE DEPARTMENTS (73%);\r\nLABOR FORCE (70%); EXECUTIVES (70%); BUSINESS ANALYTICS (67%); BUSINESS SOFTWARE\r\n(62%) NY-GENYOUth-SAP; CHI Children\'s Related News; LIC Licensing and Marketing\r\nAgreements\r\n\r\nCOMPANY:"
注意从列表到字符串的更改
在我看来，你正在寻找冒号之间的一切
s = udoc.split(':')[1]
然后你可能需要搞乱各个项目
mylist = [item for item in s.split(';')]
稍微清理它们
newlist = []
for item in mylist:
newlist.append(' '.join(item.split()))
你可以通过一些简单的操作摆脱最后一个字（在这种情况下是公司）
newlist[-1] = ' '.join(newlist[-1].split()[:-1])
最后，如果您希望将结果作为字符串，只需使用某个分隔符加入新列表
答案 2 :(得分：1)
我不喜欢你的做法，所以我把它扔出窗外。你要做的最后一件事是使用正则表达式匹配巨大的数字，而你等待的只是一些事情。这与正则表达式应该做的完全相反：所以你也不要这样做。
我玩了很长时间的代码，试图找出你想要做的事情和原因。在我看来，你试图以某种方式索引这些值，比如{"ENTREPRENEURSHIP":93,"PRESS RELEASES":91,...}，这就是我所建立的。也许这不是你的最终目标，在这种情况下，jeebus兄弟在这里给我们一些反馈....
text = """udoc = [SUBJECT: ENTREPRENEURSHIP (93%); PRESS RELEASES (91%); NUTRITION (90%); STUDENTS\r\n& STUDENT LIFE (90%); PREVENTION & WELLNESS (90%); EXERCISE & FITNESS (90%);\r\nVENTURE CAPITAL (90%); NONPROFIT ORGANIZATIONS (90%); COMPUTER SOFTWARE (85%);\r\nCHILDREN (78%); PUBLIC PRIVATE PARTNERSHIPS (78%); CHARITIES (78%); SPONSORSHIP\r\n(78%); FOUNDATIONS (78%); PHILANTHROPY (78%); EDUCATION SYSTEMS & INSTITUTIONS\r\n(78%); ALLIANCES & PARTNERSHIPS (77%); ENTERTAINMENT & ARTS (77%); PRODUCT\r\nINNOVATION (77%); WORKPLACE PROGRAMS (77%); SPORTS & RECREATION EVENTS (74%);\r\nSPORTS FANS (74%); AMERICAN FOOTBALL TOURNAMENTS (74%); LICENSING AGREEMENTS\r\n(74%); AMERICAN FOOTBALL (74%); SPORTS (74%); AGRICULTURE DEPARTMENTS (73%);\r\nLABOR FORCE (70%); EXECUTIVES (70%); BUSINESS ANALYTICS (67%); BUSINESS SOFTWARE\r\n(62%) NY-GENYOUth-SAP; CHI Children\'s Related News; LIC Licensing and Marketing\r\nAgreements\r\n\r\nCOMPANY:]"""
# sheesh that's a big string literal! Let's take a few lines to breathe.
# after all, we have to give the interpreter enough
# time
# to
# process all that
# data we just fed it
#
# ...right?
values = {' '.join(item[:-1]):item[-1].strip("(%)") for
full_list in text.split(":")[1:-1] for
element in full_list.split(";")[:-1] for
item in [element.strip().split()]}
for key,value in values.items():
print("{:35}: {}".format(key,value))
# AMERICAN FOOTBALL TOURNAMENTS : 74
# LABOR FORCE : 70
# BUSINESS ANALYTICS : 67
# COMPUTER SOFTWARE : 85
# CHARITIES : 78
# AMERICAN FOOTBALL : 74
# BUSINESS SOFTWARE (62%) : NY-GENYOUth-SAP
# FOUNDATIONS : 78
# CHILDREN : 78
# SPORTS : 74
# SPONSORSHIP : 78
# EDUCATION SYSTEMS & INSTITUTIONS : 78
# PUBLIC PRIVATE PARTNERSHIPS : 78
# SPORTS & RECREATION EVENTS : 74
# NUTRITION : 90
# ALLIANCES & PARTNERSHIPS : 77
# ENTERTAINMENT & ARTS : 77
# PRESS RELEASES : 91
# WORKPLACE PROGRAMS : 77
# VENTURE CAPITAL : 90
# CHI Children's Related : News
# STUDENTS & STUDENT LIFE : 90
# AGRICULTURE DEPARTMENTS : 73
# EXERCISE & FITNESS : 90
# ENTREPRENEURSHIP : 93
# NONPROFIT ORGANIZATIONS : 90
# PRODUCT INNOVATION : 77
# SPORTS FANS : 74
# PHILANTHROPY : 78
# LICENSING AGREEMENTS : 74
# PREVENTION & WELLNESS : 90
# EXECUTIVES : 70
现在我知道你在说什么，“adsmith，”你开始说，“但看看”CHI儿童相关“和”商业软件（62％）“中的价值观，这显然是错误的！
我无法帮助您的输入格式不正确，没有人可以。 CHI Children's Related的值为News，这不是你的错，也不是我的错。他们忽略了在:和BUSINESS SOFTWARE之间加(62%)，我们也不承担责任。
第二个想法，我们不要去re模块。 “这是一个愚蠢的地方。
答案 3 :(得分：0)
为什么不：
import re
re.search(r'SEARCH:(.+)COMPANY:', udoc2)
答案 4 :(得分：0)
您不必为此使用正则表达式。在这种情况下，似乎有一个更容易的解决方案。
为什么不获取“COMPANY：]”的索引，然后获取所有内容？
答案 5 :(得分：0)