我正在尝试使用 Python 2.7.2 中的正则表达式从字符串中提取所有出现的标记单词。或者简单地说，我想提取其中的每一段文本[p][/p]标签。
这是我的尝试：
regex = ur"[\u005B1P\u005D.+?\u005B\u002FP\u005D]+?"
line = "President [P] Barack Obama [/P] met Microsoft founder [P] Bill Gates [/P], yesterday."
person = re.findall(pattern, line)
印刷person产生['President [P]', '[/P]', '[P] Bill Gates [/P]']
获得的正确正则表达式是什么：['[P] Barack Obama [/P]', '[P] Bill Gates [/p]']
or ['Barrack Obama', 'Bill Gates'].
import re
regex = ur"\[P\] (.+?) \[/P\]+?"
line = "President [P] Barack Obama [/P] met Microsoft founder [P] Bill Gates [/P], yesterday."
person = re.findall(regex, line)
print(person)
yields
['Barack Obama', 'Bill Gates']
正则表达式ur"[\u005B1P\u005D.+?\u005B\u002FP\u005D]+?"是完全一样的
统一码为u'[[1P].+?[/P]]+?'除了更难阅读。
第一个括号内的组[[1P] tells re http://docs.python.org/library/re.html#module-re列表中的任何字符['[', '1', 'P']应该匹配，并且与第二个括号组类似[/P]].那根本不是你想要的。所以，
- 删除外部方括号。 （同时删除
流浪
1在...前面P.)
- 为了保护中的文字括号
[P]，用 a 转义括号
反斜杠：\[P\].
- 要仅返回标签内的单词，请放置分组括号
大约
.+?.
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
