Question

我有这样的成绩单：

speaker1 (caller): hello.
speaker2 (agent): thank you for calling. 
speaker1 (caller): I need some help with my account 3429.
speaker2 (agent): Sure let me help.

它们的形式为'speakerN（来电者或代理人）'。我需要编写一个正则表达式来获取调用者和代理人对话的列表。所以对于上面的例子，我会输出：

['(caller): hello. ', '(agent): thank you for calling', '(caller): I need some help with my account 3429.', '(agent): Sure let me help.']

这是我到目前为止所拥有的：

aList = re.findall('speaker. (.*) speaker.|$', transcript)
print(aList)

我知道前面有一个扬声器N，我需要捕捉一些文本，然后是另一个扬声器N（表示新列表）或行尾。这是我试图捕获的逻辑，但是它将整个脚本放在一个列表元素中，而将空字符串放在第二个列表元素中。任何帮助将不胜感激。

Answer 1

正则表达式只生成非重叠匹配。因此，您无法在模式中出现speaker两次。你需要把它放在一个预测中：

speaker\d+ (\([^(]*?)(?=\s+speaker\d+|$)

这将捕获第1组中的文本。

Demo.

Answer 2

使用aList = re.findall('speaker\d+\s(.*?)(?=\sspeaker|$)', transcript)

.*?会在发现另一个发言者时立即停止匹配，而.*将保持匹配任何字符，直到最后一次出现。希望它有所帮助。

编辑：发言人\ d + ,.只匹配一个字符。

编辑：如果说＆＃39;发言人＆＃39;在谈话之间进来。所以使用

aList = re.findall('speaker\d+\s*(.*?)(?=\sspeaker\s*\(|$)', transcript)

Python正则表达式在同一行中查找短语

2 个答案: