Question

理想结果：

我想输出

[2+ years in buy side research, 2+ years in accounting]

在下面的字符串中，该字符串是职位描述中的句子，

'2+ years in buy side research or accounting'

因此，两次比赛都重复使用2+ years in，并在or上进行拆分。

但是我正在写复杂的正则表达式。

当前结果：

str1 = '2+ years in buy side research or accounting'

pattern = re.compile(r'([0-9+]+ years|year)')

match_object = re.findall(pattern, str1)

=> ['2+ years']

注意：我试图以最清晰的方式写这个问题的标题，但是如果有更清晰的书写方式，我很乐意接受编辑。

Answer 1

这里一种可能的方法是匹配x years in之后所有用空格分隔的单词，然后匹配or连词之后的任意数量的单词，一旦获得匹配，则通过附加这些单词来构建结果列表x years in部分的单词。

注意，如果字符串在空格后的匹配模式之后包含更多单词，则可能会产生意外结果。

import re

str1 = '2+ years in buy side research or accounting'
pattern = re.compile(r'([0-9]+\+?\s*years?\s+in\s+)(\w+(?:\s+\w+)*(?:\s+or\s+\w+(?:\s+\w+)*)*)')
res = []
for m, n in re.findall(pattern, str1):
    for x in re.split(r'\s+or\s+', n):
        res.append("{}{}".format(m, x))

print(res) # => ['2+ years in buy side research', '2+ years in accounting']

请参见Python demo

正则表达式为

([0-9]+\+?\s*years?\s+in\s+)(\w+(?:\s+\w+)*(?:\s+or\s+\w+(?:\s+\w+)*)*)

请参见pattern demo。详细信息：

([0-9]+\+?\s*years?\s+in\s+)-第1组：
- [0-9]+-1个以上数字
- \+?-可选的+
- \s*-超过0个空格
- years?-year和可选的s
- \s+-超过1个空格
- in-一个in字
- \s+-超过1个空格
(\w+(?:\s+\w+)*(?:\s+or\s+\w+(?:\s+\w+)*)*)-第2组：
- \w+(?:\s+\w+)*-1个以上的字符字符，然后0个或多个重复的1+个空格和1+个字符字符
- (?:\s+or\s+\w+(?:\s+\w+)*)*-重复or的0或多个重复，并用1+空格括起来，然后跟随上面的模式

使用Python3正则表达式返回匹配之间的重叠字符串

1 个答案: