與正則表達式序列詞語

NUNCA [ADV + NEG + CIRC]MÁS[ADV +補償+ CIRC]compraré[V + H_PREDICAT_ACTION]

和

NUNCA更多酒店compraré

我的腳本：

corpus = "Me[Unknown] temo[Unknown] que[Unknown] buscare[Unknown] 
otras[Unknown] opciones[Unknown] esta[Unknown] nunca[ADV+NEG+CIRC] 
más[ADV+comp+PADV+H_CIRCONSTANT_QUANTITE] compraré[V+H_PREDICAT_ACTION]" 

part1 = re.findall(r"(\w+)\[ADV\+NEG.*?\]", corpus) 
part2 = re.findall(r"(\w+)\[ADV+comp+PADV.*?\]", corpus) 
part3 = re.findall(r"(\w+)\[V\+H_PREDICAT.*?\]", corpus) 
print(part1 + part2 + part3)

結果：

[]

來源

2017-09-12 pitanga

如果搜索的子串爲以任意的順序 - 使用以下：re.findall()方法：

corpus = "Me[Unknown] temo[Unknown] que[Unknown] buscare[Unknown] \ 
otras[Unknown] opciones[Unknown] esta[Unknown] nunca[ADV+NEG+CIRC] \ 
más[ADV+comp+PADV+H_CIRCONSTANT_QUANTITE] compraré[V+H_PREDICAT_ACTION]" 

result = ' '.join(i[0] for i in re.findall(r'(\w+)\[[^][]*(AD|V)\+[^][]*\]', corpus, re.M | re.UNICODE)) 
print(result)

輸出：

nunca más compraré

正則表達式模式解釋：

(\w+) - 匹配字（字母數字序列）（對於離。 nunca）。放置到第一捕獲組(...)
\[ - 匹配打開方括號[字面上
[^][]* - 匹配除了方括號的一個或多個字符][
(AD|V) - 交替組，匹配或者AD或V鑰匙
\] - mat ch關閉方括號]從字面上看

for ex。\[[^][]*(AD|V)\+[^][]*\]將匹配[ADV+NEG+CIRC]

----------

如果序列的順序是嚴格 - 使用re.sub()功能，而不是re.findall()刪除所有括號序列：

corpus = "Me[Unknown] temo[Unknown] que[Unknown] buscare[Unknown] \ 
otras[Unknown] opciones[Unknown] esta[Unknown] nunca[ADV+NEG+CIRC] \ 
más[ADV+comp+PADV+H_CIRCONSTANT_QUANTITE] compraré[V+H_PREDICAT_ACTION]" 

result = re.sub(r'\[[^][]+\]', '', corpus, re.M | re.UNICODE) 
print(result)

輸出：

Me temo que buscare otras opciones esta nunca más compraré

要提取的最後3個字：

print(' '.join(result.split()[-3:])) # nunca más compraré

來源

2017-09-12 08:29:01 RomanPerekhrest

@pitanga，你也可以檢查我的're.findall'方法 – RomanPerekhrest

非常感謝！我可以利用並問你一些其他問題嗎？如果序列不在字符串的末尾，我怎麼能找到它？ – pitanga

@pitanga，那就是我的're.findall'方法 – RomanPerekhrest

與正則表達式序列詞語

回答

相關問題