我将电子邮件正文解析为字符串列表(每行都是一个字符串)。作为回复的电子邮件将在底部有一个部分重复之前的电子邮件并以“>”开头,就像这样......
Hi Dude,
This is just an example.
On Fri, Apr 1, 2016 at 10:14 AM, Some Dude (somedude@example.com)
> The prior email text
我想使用 NLP 对消息运行一些文本分析,但想先将垃圾放在底部。我想我想使用的是 re 模块,通过正则表达式找到以下行:
On Fri, Apr 1, 2016 at 10:14 AM, Some Dude (somedude@example.com)
一旦我找到了位置,就将列表切片到该位置。但我无法找到该线的位置。可能有更性感的方式来写这个,但这是我到目前为止所拥有的:
pattern = r'\AOn +([A-Z]+[a-z]{2}), +([A-Z]+[a-z]{2}) +([1-31])'
indices = [i for i, x in enumerate(text) if re.search(pattern, x)]
我认为我的问题出在我的正则表达式模式中(它确实看起来有效并且与 https://www.regex101.com/ 等地方的行匹配,但我被困在那里,因为索引返回一个空集 []
. 在上面提供的示例文本中,我希望它返回 4(第 5 行)。
最佳答案
enumerate(text)
是对 text
字符的迭代器。由于您想要找到行号,因此您必须迭代行。例如,您可以使用 str.split('\n')
将 text
拆分为单独的行。
>>> [i for i, x in enumerate(text.split('\n')) if x and re.search(pattern, x)]
[4]
考虑到您只需要找到第一个匹配行,可以使用 next
和一个像这样的生成器表达式:
>>> next(i for i, x in enumerate(text.split('\n')) if x and re.search(pattern, x))
4
<小时/>
要获取文本的其余部分,您可以连接迭代器的“剩余部分”:
>>> it = enumerate(text.split('\n'))
>>> next(i for i, x in it if x and re.search(pattern, x))
4
>>> '\n'.join(x for _, x in it)
'\n> The prior email text\n'
或更改正则表达式以匹配整行:
>>> match = re.search(r'On +([A-Z]+[a-z]{2}), +([A-Z]+[a-z]{2}) +([1-31]).*?\n', text)
>>> text[match.end():] # Don't forget to check if match is None
'\n> The prior email text\n'
<小时/>
您应该避免使用正则表达式,特别是如果您需要查找的只是 >
字符的位置。
>>> text[text.index('>'):]
'> The prior email text\n'
关于python - 给定一个字符串列表,如何使用正则表达式找到第一个字符串匹配子字符串的位置?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/36429577/