Question

python和正则表达式的新手，我一直试图找到一种方法，我可以解析一个句子，这样我就可以把它的一部分分配给它们自己的变量。

一个例句是：Laura Compton，来自加利福尼亚州洛杉矶的股票经纪人

我的目标是：姓名=＆＃34; Laura Compton＆＃34; （这个很容易，我可以针对锚链接没问题），position =＆＃34; Stock Broker＆＃34;，city =洛杉矶，州=加州

我需要迭代的所有句子都遵循相同的模式，名称总是在锚标记中，位置始终跟在关闭锚之后，有时它的使用＆＃34; a＆＃34;或＆＃34;＆＃34;所以我想剥掉那些。城市和州总是遵循＆＃34;来自＆＃34;

Answer 1

你可以试试这个：

import re
s = "Laura Compton, a Stock Broker from Los Angeles, California"
new_s = re.findall('^[a-zA-Z\s]+|(?<=a\s)[a-zA-Z\s]+(?=from)|(?<=an\s)[a-zA-Z\s]+(?=from)|(?<=from\s)[a-zA-Z\s]+(?=,)|(?<=,\s)[a-zA-Z\s]+$', s)
headers = ['name', 'title', 'city', 'state']
data = {a:b for a, b in zip(headers, new_s)}

输出：

{'city': 'Los Angeles', 'state': 'California', 'name': 'Laura Compton', 'title': 'Stock Broker '}

Answer 2

您可以在模式中使用命名组来捕获子字符串，这样可以更容易地引用子字符串，并且代码可以更具可读性：

import re

data = ['Laura Compton, a Stock Broker from Los Angeles, California',
        'Miles Miller, a Soccer Player from Seattle, Washington']

pattern = (r'^(?P<name>[^,]+)\, an? (?P<position>.+) from '
           r'(?P<city>[^,]+)\, +(?P<state>.+)')

FIELDS = 'name', 'position', 'city', 'state'

for sentence in data:
    matches = re.search(pattern, sentence)
    name, position, city, state = matches.group(*FIELDS)
    print(', '.join([name, position, city, state]))

从样本data生成的输出：

Laura Compton, Stock Broker, Los Angeles, California
Miles Miller, Soccer Player, Seattle, Washington

A.M。 Kuchling写了一篇名为Regular Expression HOWTO的好教程，你应该退房。

正则表达式（正则表达式）保存句子的部分

2 个答案: