python - 使用 ReGex 、Python 匹配表达式

Question

我有很多句子，尽管我会创建一个可以单独对每个句子进行操作的函数。所以输入只是一个字符串。我的主要目标是提取介词后面的单词，例如“near blue meadows”，我希望提取blue meadows。
我将所有介词都保存在一个文本文件中。它工作正常，但我猜使用的正则表达式有问题。这是我的代码: 导入重新

with open("Input.txt") as f:
    words = "|".join(line.rstrip() for line in f)
    pattern = re.compile('({})\s(\d+\w+|\w+)\s\w+'.format(words))
    text3 = "003 canopy grace appt, classic royale garden, hennur main road, bangalore 43. near hennur police station"
    print(pattern.search(text3).group())

这将返回:

AttributeError                            Traceback (most recent call last)
<ipython-input-83-be0cdffb436b> in <module>()
      5     pattern = re.compile('({})\s(\d+\w+|\w+)\s\w+'.format(words))
      6     text3 = ""
----> 7     print(pattern.search(text3).group())

AttributeError: 'NoneType' object has no attribute 'group

主要问题是正则表达式，我的预期输出是“hennur Police”，即near之后的2个单词。在我的代码中，我使用 ({}) 从准备列表中进行匹配， \s 后跟空格， (\d+\w+|\w+) 后跟诸如 19th 或 hennur 之类的单词， \s\w+ 后跟一个空格和一个单词。我的正则表达式无法匹配，因此出现 None 错误。 为什么不起作用？

Input.txt 文件的内容:

['near','nr','opp','opposite','behind','towards','above','off']

预期输出:

hennur police

Answer 1

该文件包含 Python 列表文字。使用ast.literal解析文字。

>>> import ast
>>> ast.literal_eval("['near','nr','opp','opposite','behind','towards','above','off']")
['near', 'nr', 'opp', 'opposite', 'behind', 'towards', 'above', 'off']

<小时/>

import ast
import re

with open("Input.txt") as f:
    words = '|'.join(ast.literal_eval(f.read()))
    pattern = re.compile('(?:{})\s(\d*\w+\s\w+)'.format(words))
    text3 = "003 canopy grace appt, classic royale garden, hennur main road, bangalore 43. near hennur police station"

    # If there could be multiple matches, use `findall` or `finditer`
    #   `findall` returns a list of list if there's capturing group instead of
    #   entire matched string.
    for place in pattern.findall(text3):
        print(place)

    # If you want to get only the first match, use `search`.
    #   You need to use `group(1)` to get only group 1.
    print pattern.search(text3).group(1)

输出(第一行在for循环中打印，第二行来自search(..).group(1)):

hennur police
hennur police

注意您需要re.escape每个单词中是否存在在正则表达式中具有特殊含义的特殊字符。