正則表達式來提取段落

Question

我試圖在Python中編寫正則表達式來提取段落的一部分。

在下面的段落中，我希望提取的部分是粗體。

建議將提升救助資金，注入資金，銀行和削減 希臘債務說報告。

我正則表達式和輸出如下，

>>> text = 'Proposal will boost bailout fund, inject cash into banks and cut Greek debt says reports.' 
>>> pattern = re.compile(r'(boost bailout)+?([\s\S]*?)(debt)+?') 
>>> print re.findall(pattern, text) 

[('boost bailout', ' fund, inject cash into banks and cut Greek ', 'debt')] 

雖然它提取正確的部分，是不是該萃取被分離成3份在一個元組，而不是隻是一個單一的線如下面？

[('boost bailout fund, inject cash into banks and cut Greek debt')] 

Answer 1

從文檔：

如果一個或多個組中存在的格局，迴歸團體名單;如果模式有多個組，這將是一個元組列表。空結果包含在結果中，除非他們觸及另一場比賽的開始。

- http://docs.python.org/library/re.html

如果你想要一個比賽，做：

#!/usr/bin/env python 
import re 
text = 'Proposal will boost bailout fund, inject cash into banks and cut Greek debt says reports.' 
pattern = re.compile(r'boost bailout[\s\S]*?debt') 
print re.findall(pattern, text) 

Answer 2

使用

re.search(reg, text).group(0) 

或（你的情況）：

pattern.search(text).group(0) 

Answer 3

你的模式是不正確的：

(boost bailout)+意味着：字符串 '升壓救助' 反覆幾次，
這當然不是想要的。如果你在模式中放置了幾對，你會得到幾個捕捉組。正確的模式，如果你想只提取「升壓救助」和最後一個字符串之間的所有文字'debt'是：

pattern = r'boost bailout.+debt' 

和正則表達式是

reg = re.compile(r'boost bailout.+debt',re.DOTALL) 

re.DOTALL是使得點符號與每個字符匹配的標誌，由換行符組成：它代替[\s\S]。

但是如果你想「提升救助」和「債」的首次亮相之間提取，它必須是

pattern = r'boost bailout.+?debt' 

此外，使用reg.search(text).group()代替reg.findall(text)產生一個元素的列表。

注意圖案通過pattern = r'boost bailout.+?debt'定義爲字符串對象，
和REG通過reg = re.compile(pattern)定義的一個RegexObject對象。

值得名字正則表達式是RegexObject，有什麼值得名字模式是字符串。

Answer 4

您將返回一個元組，因爲您可以在Python documentation for the re module中讀取，括號會創建捕獲組，然後可以單獨檢索它們。爲了避免這種情況，您應該使用非捕獲組：(?: ...)