使用grep在特定上下文中查找字符串

Question

我想從大文件中查找並提取由特定上下文包圍的所有單詞。該文件中的所有線條看起來像這個樣子，但>和<\w>之間不同的詞：

<="UO" lemma="|" lex="|" sense="|" prefix="|" suffix="|" compwf="|" complemgram="|" ref="05" dephead="04" deprel="ET">and<\w> 

我只希望輸出是「和」。所以我基本上想要提取上下文>xxx<\w>中的所有字符串（單詞，標點符號和數字）。我嘗試了許多使用grep和正則表達式的不同選擇，但我要麼得到所有的話或>和<\w> ......把圖案從整個文件我想輸出看起來像這樣：

and 
we 
appreciate 
this 
very 
much 
. 

等等......

Answer 1

你可以使用這樣的模式。這將匹配>和<\w>之間的任何內容。

import re 
pat = re.compile(r'>(.*?)<\\w>') 
pat.findall(input_string) 

Answer 2

好的。考慮到與下面的值的輸入文件（我希望我理解你的使用情況）：

<="UO" lemma="|" lex="|" sense="|" prefix="|" suffix="|" compwf="|" complemgram="|" ref="05" dephead="04" deprel="ET">and<\w> 
<="UO" lemma="|" lex="|" sense="|" prefix="|" suffix="|" compwf="|" complemgram="|" ref="05" dephead="04" deprel="ET">we<\w> 
<="UO" lemma="|" lex="|" sense="|" prefix="|" suffix="|" compwf="|" complemgram="|" ref="05" dephead="04" deprel="ET">appreciate<\w> 
<="UO" lemma="|" lex="|" sense="|" prefix="|" suffix="|" compwf="|" complemgram="|" ref="05" dephead="04" deprel="ET">this<\w> 
<="UO" lemma="|" lex="|" sense="|" prefix="|" suffix="|" compwf="|" complemgram="|" ref="05" dephead="04" deprel="ET">very<\w> 
<="UO" lemma="|" lex="|" sense="|" prefix="|" suffix="|" compwf="|" complemgram="|" ref="05" dephead="04" deprel="ET">much<\w> 
<="UO" lemma="|" lex="|" sense="|" prefix="|" suffix="|" compwf="|" complemgram="|" ref="05" dephead="04" deprel="ET">.<\w> 

以下Python的正則表達式應該爲你工作：

>>> import re 
>>> pat = re.compile(r'(?<=">)(.*)(?=<\\w>)') 
>>> pat.findall(input_string) 
['and', 'we', 'appreciate', 'this', 'very', 'much', '.']