Question

我有要搜索的关键字列表。它们中的大多数不区分大小写，但其中一些是区分大小写的，例如IT或IT。用于信息技术。通常，我将所有关键字与“ |”连在一起，并将标记设置为re.I。这将引起区分大小写的关键字的麻烦。有一个简单的方法可以解决此问题吗？还是我必须对区分大小写的内容进行单独搜索？谢谢！

 keywords = ["internal control", "IT",... and many more]
 patterns = r"\b(" + "|".join(keywords) + r")\b"
 m = re.findall(patterns, text, flags = re.I)

Answer 1

您可以使用(?-i:...)修饰符为该组关闭不区分大小写的搜索。但它仅适用于Python 3.6 +：

import re

s = "Internal control, it IT it's, Keyword2"
keywords = ["internal control", "IT", "keyword2"]
pattern = '|'.join(r'((?-i:\b{}\b))'.format(re.escape(k)) if k.upper() == k else r'(\b{}\b)'.format(re.escape(k)) for k in keywords)
print(re.findall(pattern, s, flags=re.I))

打印：

[('Internal control', '', ''), ('', 'IT', ''), ('', '', 'Keyword2')]

从Python 3.6 documentation：

（？imsx-imsx：...）

（来自集合“ i”，“ m”，“ s”，“ x”的零个或多个字母，可选后跟“-”，然后是来自同一集合的一个或多个字母。）   字母设置或删除相应的标志：re.I（忽略   大小写），re.M（多行），re.S（所有点都匹配）和re.X（详细），   对于表达式的一部分。（这些标志在模块中进行了描述   内容。）

Answer 2

（将其发布为答案，因为它太多了，无法发表评论）
我仍然认为两个单独的搜索会更简洁。因此，这可能是学术性的：您可以使用Conditional regex和optional mode modifiers的某种组合，如相应链接中所示。

如何处理正则表达式混合案例？

2 个答案: