python - 在Python中为复杂字符串设置正则表达式

Question

我有这样的产品的一系列成分:

text = 'Pork and beef, water, salt (1,7%), spices (white pepper, nutmeg, coriander, cardamom), stabilizer (E450), glucose, antioxidant (E316), a preservative (E250), flavorings'

我想检测其中的所有文本(成分)，使其看起来像这样。

ingredientsList= ['Pork and beef', 'salt', 'spices', 'white pepper', 'nutmeg', 'coriander', 'cardamom', 'stabilizer', 'glucose', 'antioxidant', 'preservative', 'flavorings']

我在这里使用的当前正则表达式如下:

ingredients = re.findall(r'\([^()]*\)|([^\W\d]+(?:\s+[^\W\d]+)*)', text)

但它没有提供括号中的文本。我只是不想包含代码和百分比，但希望将所有成分都放在括号内。我应该在这里做什么？提前致谢。

Answer 1

您可以限制第一个分支仅匹配以 E 开头且后跟数字的代码:

\(E\d+\)|([^\W\d]+(?:\s+[^\W\d]+)*)

请参阅regex demo

现在，\(E\d+\) 将仅匹配类似 (Exxx) 的子字符串，其他子字符串将被处理。您也可以在此处添加百分比，以明确跳过它们 - \((?:E\d+|\d+(?:[.,]\d+)?%)\) .

Python demo :

import re
rx = r"\(E\d+\)|([^\W\d]+(?:\s+[^\W\d]+)*)"
s = "Pork and beef, water, salt (1,7%), spices (white pepper, nutmeg, coriander, cardamom), stabilizer (E450), glucose, antioxidant (E316), a preservative (E250), flavorings"
res = [x for x in re.findall(rx, s) if x]
print(res)