Question

我有以下字符串

The | DT | I-MISC Oxford | NNP | I-MISC Companion | NNP | I-MISC to | TO | I-MISC理念| NNP | I-MISC说| VBZ | O，|，| O“| LQU | O那里| EX | O是| VBZ | O no | DT | O单| JJ | O定义| VBG | O位置| NN | O那个| IN | O all | DT | O无政府主义者| NNS | O hold | VBP | O，|，| O和| CC | O那些| DT | O考虑| VBN | O无政府主义者| NNS | O at | IN | O最佳| JJS | O股| NN | O a | DT | O确定| JJ | O族| NN | O相似性| NN | O。|。| O“| RQU | O. 在| IN | O | DT | O

我想得到每个三联的第一个和最后一个项目。所以对于| DT | I-MISC，我想要（The，I-MISC）。这是我的实施，我想知道是否有更好更稳定的东西。

#STRAT 2: get first and third. this seems more stable
pat = r'((?<= ).+?(?=\|))'
nerpat = r'(?<=[A-Z]\|).+?(?= )'
print zip(re.findall(pat, y), re.findall(nerpat, y))

我的模式中的错误包括：下面的NNP | I-ORG。

（'因此'，'O'），（'克制'，'I-ORG'），（'从'，'I-ORG'），（'提交'，'I-ORG'），（ 'to'，'I-ORG'），（'any'，'O'），（'特别'，'NNP | I-ORG'），（'方法'，'O'），

与此部分文字相关：

，|，| O而| IN | O无政府主义者| NNS | O必须| MD | O总是| RB | O有| VB | O无政府状态| NN | O as | IN | O他们的| PRP $ | O end | | NN | O和| CC | O因此| RB | O refrain | VB | O from | IN | O commit | VBG | O to | TO | O any | DT | O特殊| JJ | O方法| NN | O的| IN | O达成| VBG | O it | PRP | O。|。| O

Answer 1

获取匹配的组表单索引1和2以获取每个三元组的第一个和最后一个项目

              ([^|]+)\|[^|]+\|([^|]+)
First item-----^^^^^^ ^      ^ ^^^^^-----------Last item
       First Pipe_____|      |_______Second pipe

这里是online demo

注意：添加\s以匹配任何空格字符[\r\n\t\f ]，如以下评论中所示。

示例代码：

import re
p = re.compile(ur'([^|]+)\|[^|]+\|([^|]+)')
test_str = u"..."

re.findall(p, test_str)

模式说明：

 (                        group and capture to \1:
    [^|]+                    any character except: '|' (1 or more times)
  )                        end of \1

  \|                       '|'
  [^|]+                    any character except: '|' (1 or more times)
  \|                       '|'

  (                        group and capture to \2:
    [^|]+                    any character except: '|' (1 or more times)
  )                        end of \2

了解更多关于

的信息

Answer 2

您可以使用re.split分割字符串：

import re
terms = re.split('[| ]', y)
print zip(terms[::3], terms[2::3])

我喜欢的另一个是使用operator.itemgetter：

from operator import itemgetter
filter = itemgetter(0, 2)
print [filter(triplet.split('|')) for triplet in y.split()]

正则表达式抓取字符串python中管道分隔的第一个和最后一个项目

2 个答案: