python中利用正则表达式将所有切合条件的字段全(2)

可见,re.search()只匹配碰着的第一个满意条件的子串。
而假如将pattern中的“((小便)|尿)”修改为“[(小便)|尿]”(可能“[(小便)尿]”,意思是完全一样的,也试过)
获得的功效为:

,无浮肿、泡沫尿,

可见修改前后并没有任何变革,可是假如我将原始文本中的“无浮肿、泡沫尿”中的“尿”删除,则修改前的功效为:

,小便1-2小时1次,

修改后的功效为:

,近1月大便干结,

也就是说对付

pattern = "[,;.,;。]+[^,;.,;。]*[(小便)尿]+[^,;.,;。]*[,;.,;。]+"

无论是re.findall()照旧re.search(),都能匹配到大便相关的子串;
而对付:

pattern = "[,;.,;。]+[^,;.,;。]*((小便)|尿)+[^,;.,;。]*[,;.,;。]+"

re.findall()和re.search()匹配的子串就有所区别了,前置匹配的功效是含有元组的列表:[(‘尿', ‘'), (‘小便', ‘小便')];尔后者匹配到了我想要的子串:,无浮肿、泡沫尿,
厥后问了同事以及进一步相识了正则的运行机制后,发明小括号()除了提取匹配的字符串,尚有一个浸染是用来捕捉分组的,也就是说小括号中的内容匹配后会被存储起来,在挪用的时候便会返回相应的值。而利用re.findall()时会将存储分组的值全部返回。
再举个例子会越发大白些,将上述pattern中的“((小便)|尿)”改为“((小便)|(尿))”,如:

pattern = "[,;.,;。]+[^,;.,;。]*((小便)|(尿))+[^,;.,;。]*[,;.,;。]+"

利用re.findall()输出的功效为:

[('尿', '', '尿'), ('小便', '小便', '')]

由上可知,“((小便)|(尿))”利用了三个“()”,于是便发生了三个分组,在最外围的第一个分组用于捕捉“小便”或“尿”,原文中“小便”和“尿”都能匹配到,所以第一个位置两者都有;第二个分组是用来捕捉“(小便)”的,所以第二个分组只存储“小便”;同理第三个分组用来捕捉“(尿)”的,所以功效只存储了“尿”。
而我利用re.search()来输出分组功效:

for line in lines:
    pattern = "[,;.,;。]+[^,;.,;。]*((小便)|(尿))+[^,;.,;。]*[,;.,;。]+"
    str = re.search(pattern, line)
    print(str.group(0))
    print(str.group(1))
    print(str.group(2))
    print(str.group(3))

功效为:

,无浮肿、泡沫尿,
尿
None
尿

group(1)、group(2)、group(3)别离与(‘尿', ‘', ‘尿')中对应的分组功效沟通。可是这里的group(0)(可能说group(),两个意思完全一样)却不是“(‘尿', ‘', ‘尿')”;这里作者程度有限,不是很清楚原因,也就是说,当挪用group(0)的时候,pattern中的()的意义并不再是捕捉分组了,而是回到了原始的提取匹配字符串的意思上来了。
为了办理

pattern = "[,;.,;。]+[^,;.,;。]*[(小便)尿]+[^,;.,;。]*[,;.,;。]+"

会匹配到不想要的含有“大便”字符串的问题,通过利用非捕捉分组(?:)便可以到达目标。

pattern = "[,;.,;。]?[^,;.,;。]*(?:小便|尿)[^,;.,;。]*[,;.,;。]"

此时即是匹配“小便”可能“尿”了;功效为:

[',无浮肿、泡沫尿,', ',小便1-2小时1次,', '无尿痛、血尿。']

留意上述功效,由于“,小便1-2小时1次,”和“无尿痛、血尿。”是紧接着的,而逗号已经被分派给了前者,所今后者便没有了逗号,这看起了有点像字符串的切片,被切走了就没了,所以这里在pattern中的第一个“[,;.,;。]”后头将“+”换成了“?”()意思的前面的字符呈现0次或1次;虽然更进一步可以优化为:

pattern = "[,;.,;。]?[^,;.,;。]*(?:小便|尿).*?[,;.,;。]"

可以看到,将pattern中第二个“[^,;.,;。]”变为“.?”
上述固然将所有子句全部匹配并输出了,可是相邻的两个子句照旧分隔输出的,仍旧没有到达我们想要的预期。于是对上述代码举办了改造:

for line in lines: #pattern = "[,;.,;。]+[^,;.,;。]*[('小便')尿]+[^,;.,;。]*[,;.,;。]+" pattern = "[,;.,;。]?[^,;.,;。]*?(?:小便|尿).*?[,;.,;。]" #pattern = "[,;.,;。]?[^,;.,;。]*(?:小便|尿)[^,;.,;。]*[,;.,;。]" str = re.findall(pattern,line) ls = [',',';','.',',',';','。'] for idx, text in enumerate(str): if text[0] not in ls: str[idx-1] += text str.remove(text) print(str)

功效为:

[',无浮肿、泡沫尿,', ',小便1-2小时1次,无尿痛、血尿。']

而假如利用re.search(),也是可以到达预期的,代码如下:

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:https://www.heiqu.com/wsdsyj.html