您好,登錄后才能下訂單哦!
這篇文章主要講解了“python正則表達(dá)式能不能全部提取所有符合條件的字段”,文中的講解內(nèi)容簡(jiǎn)單清晰,易于學(xué)習(xí)與理解,下面請(qǐng)大家跟著小編的思路慢慢深入,一起來(lái)研究和學(xué)習(xí)“python正則表達(dá)式能不能全部提取所有符合條件的字段”吧!
問(wèn)題如標(biāo)題,使用正則表達(dá)式匹配字段目前無(wú)非就三種,分別是:
re.match() re.search() re.findall()
簡(jiǎn)單介紹一下,re.match()與re.search()非常類似,主要區(qū)別就是前者是從目標(biāo)字符串的開(kāi)頭匹配,而后者則要沒(méi)有這個(gè)要求。而re.findall()則是可以返回匹配的所有結(jié)果。但是有時(shí)候re.findall()返回的結(jié)果和前面兩個(gè)并不一樣,我們來(lái)看下面一個(gè)例子:
對(duì)于句子:
起病以來(lái),患者無(wú)腰背痛、頸痛,無(wú)咽痛、口腔潰瘍,無(wú)光過(guò)敏、脫發(fā),無(wú)口干、眼干,無(wú)肢端發(fā)作性青紫,無(wú)肢體乏力,無(wú)浮腫、泡沫尿,精神、食欲、睡眠欠佳,近1月大便干結(jié),5-6天1次,無(wú)腹痛、黑便、便血,小便1-2小時(shí)1次,無(wú)尿痛、血尿。體重未見(jiàn)明顯變化。
我想使用正則去匹配所有包含小便和尿相關(guān)的子句,目的就是將“無(wú)浮腫、泡沫尿”和“小便1-2小時(shí)1次,無(wú)尿痛、血尿?!弊R(shí)別出來(lái)并且將這些子句返回。
本來(lái)我想使用re.findall()去匹配:
import re lines = [ "起病以來(lái),患者無(wú)腰背痛、頸痛,無(wú)咽痛、口腔潰瘍,無(wú)光過(guò)敏、脫發(fā),無(wú)口干、眼干,無(wú)肢端發(fā)作性青紫,無(wú)肢體乏力,無(wú)浮腫、泡沫尿,精神、食欲、睡眠欠佳,近1月大便干結(jié),5-6天1次,無(wú)腹痛、黑便、便血,小便1-2小時(shí)1次,無(wú)尿痛、血尿。體重未見(jiàn)明顯變化。", ] for line in lines: pattern = "[,;.,;。]+[^,;.,;。]*((小便)|尿)+[^,;.,;。]*[,;.,;。]+" str = re.findall(pattern,line) print(str)
結(jié)果為:
[('尿', ''), ('小便', '小便')]
這里說(shuō)明一下我使用的模式的意義,因?yàn)槲沂且ヅ渥泳?,所以一個(gè)子句的前后必然會(huì)有相應(yīng)的符號(hào),所以pattern前面和后面均添加了“[,;.,;。]+”;“+”表示至少匹配一個(gè)。而后面的“[,;.,;。]*”表示匹配0個(gè)或多個(gè)除標(biāo)點(diǎn)符號(hào)“,;.,;?!钡娜我庾址@里分別添加了中英文的逗號(hào)、分號(hào)和句號(hào),“*”表示匹配0個(gè)或1個(gè)及以上。需要說(shuō)明的是,這里我之所以使用“[,;.,;。]”,是因?yàn)槲谋局锌赡馨芏嗥渌姆?hào),像上例中出現(xiàn)的“-”;所以想要使用漢字、數(shù)字、特定符號(hào)來(lái)匹配的話可能會(huì)存在遺漏,而我的目的是只想要得到匹配的子句,所以使用“[^,;.,;。]”會(huì)更通用一些。接下來(lái)就是“((小便)|尿)”意思是匹配含有“小便”或者含有“尿”的子串。
但是使用re.findall()所得到的結(jié)果并不是我想要的,于是我稍微換了一下匹配規(guī)則,將“((小便)|尿)+”換成了“[(小便)|尿]+”;為了驗(yàn)證匹配的適用性,我又添加了兩個(gè)樣本。總體如下:
import re lines = [ "起病以來(lái),患者無(wú)腰背痛、頸痛,無(wú)咽痛、口腔潰瘍,無(wú)光過(guò)敏、脫發(fā),無(wú)口干、眼干,無(wú)肢端發(fā)作性青紫,無(wú)肢體乏力,無(wú)浮腫、泡沫尿,精神、食欲、睡眠欠佳,近1月大便干結(jié),5-6天1次,無(wú)腹痛、黑便、便血,小便1-2小時(shí)1次,無(wú)尿痛、血尿。體重未見(jiàn)明顯變化。", "起病以來(lái),睡眠、胃納正常,小便正常,近4~5年來(lái)每天解大便3~4次,多為黃褐色成形軟便,偶有解爛便,有排便不盡感,便血、解黑便,無(wú)消瘦。", "身材矮小,體重較同齡人輕。" ] for line in lines: pattern = "[,;.,;。]+[^,;.,;。]*[(小便)尿]+[^,;.,;。]*[,;.,;。]+" str = re.findall(pattern,line) print(str)
結(jié)果為:
[',無(wú)浮腫、泡沫尿,', ',近1月大便干結(jié),', ',無(wú)腹痛、黑便、便血,', ',無(wú)尿痛、血尿。']
[',小便正常,', ',多為黃褐色成形軟便,', ',有排便不盡感,']
[]
倒是匹配出了子句,一則是“小便1-2小時(shí)1次,無(wú)尿痛、血尿”中的“小便1-2小時(shí)1次”沒(méi)有匹配出來(lái),二則是竟然連大便相關(guān)的“近1月大便干結(jié)”和“無(wú)腹痛、黑便、便血”都匹配出來(lái)了,看來(lái)“[(小便)尿]”的意思并不是匹配含有“小便”或者“尿”的子串;那“[(小便)尿]”的意思是不是匹配含有“小”、“便”、“尿”任意一個(gè)的子串呢?但是根據(jù)第三個(gè)含有“小”但是不含“便”與“尿”的樣本可以看出,上述的想法依然不對(duì)。
再加上re.findall()沒(méi)有匹配到的子串在原始文本中的開(kāi)始和結(jié)束位置,所以我想要得到“小便1-2小時(shí)1次,無(wú)尿痛、血尿?!边@種兩個(gè)子句連在一起的情況也很難得到。
于是我轉(zhuǎn)而使用另一個(gè)很常用的re.search()方法。
import re lines = [ "起病以來(lái),患者無(wú)腰背痛、頸痛,無(wú)咽痛、口腔潰瘍,無(wú)光過(guò)敏、脫發(fā),無(wú)口干、眼干,無(wú)肢端發(fā)作性青紫,無(wú)肢體乏力,無(wú)浮腫、泡沫尿,精神、食欲、睡眠欠佳,近1月大便干結(jié),5-6天1次,無(wú)腹痛、黑便、便血,小便1-2小時(shí)1次,無(wú)尿痛、血尿。體重未見(jiàn)明顯變化。", ] for line in lines: pattern = "[,;.,;。]+[^,;.,;。]*((小便)|尿)+[^,;.,;。]*[,;.,;。]+" str = re.search(pattern, line) print(str.group())
結(jié)果為:
,無(wú)浮腫、泡沫尿,
可見(jiàn),re.search()只匹配遇到的第一個(gè)滿足條件的子串。
而如果將pattern中的“((小便)|尿)”修改為“[(小便)|尿]”(或者“[(小便)尿]”,意思是完全一樣的,也試過(guò))
得到的結(jié)果為:
,無(wú)浮腫、泡沫尿,
可見(jiàn)修改前后并沒(méi)有任何變化,但是如果我將原始文本中的“無(wú)浮腫、泡沫尿”中的“尿”刪除,則修改前的結(jié)果為:
,小便1-2小時(shí)1次,
修改后的結(jié)果為:
,近1月大便干結(jié),
也就是說(shuō)對(duì)于
pattern = "[,;.,;。]+[^,;.,;。]*[(小便)尿]+[^,;.,;。]*[,;.,;。]+"
無(wú)論是re.findall()還是re.search(),都能匹配到大便相關(guān)的子串;
而對(duì)于:
pattern = "[,;.,;。]+[^,;.,;。]*((小便)|尿)+[^,;.,;。]*[,;.,;。]+"
re.findall()和re.search()匹配的子串就有所區(qū)別了,前置匹配的結(jié)果是含有元組的列表:[(‘尿', ‘'), (‘小便', ‘小便')];而后者匹配到了我想要的子串:,無(wú)浮腫、泡沫尿,
后來(lái)問(wèn)了同事以及進(jìn)一步了解了正則的運(yùn)行機(jī)制后,發(fā)現(xiàn)小括號(hào)()除了提取匹配的字符串,還有一個(gè)作用是用來(lái)捕獲分組的,也就是說(shuō)小括號(hào)中的內(nèi)容匹配后會(huì)被存儲(chǔ)起來(lái),在調(diào)用的時(shí)候便會(huì)返回相應(yīng)的值。而使用re.findall()時(shí)會(huì)將存儲(chǔ)分組的值全部返回。
再舉個(gè)例子會(huì)更加明白些,將上述pattern中的“((小便)|尿)”改為“((小便)|(尿))”,如:
pattern = "[,;.,;。]+[^,;.,;。]*((小便)|(尿))+[^,;.,;。]*[,;.,;。]+"
使用re.findall()輸出的結(jié)果為:
[('尿', '', '尿'), ('小便', '小便', '')]
由上可知,“((小便)|(尿))”使用了三個(gè)“()”,于是便產(chǎn)生了三個(gè)分組,在最外圍的第一個(gè)分組用于捕獲“小便”或“尿”,原文中“小便”和“尿”都能匹配到,所以第一個(gè)位置兩者都有;第二個(gè)分組是用來(lái)捕獲“(小便)”的,所以第二個(gè)分組只存儲(chǔ)“小便”;同理第三個(gè)分組用來(lái)捕獲“(尿)”的,所以結(jié)果只存儲(chǔ)了“尿”。
而我使用re.search()來(lái)輸出分組結(jié)果:
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))
結(jié)果為:
,無(wú)浮腫、泡沫尿,
尿
None
尿
group(1)、group(2)、group(3)分別與(‘尿', ‘', ‘尿')中對(duì)應(yīng)的分組結(jié)果相同。但是這里的group(0)(或者說(shuō)group(),兩個(gè)意思完全一樣)卻不是“(‘尿', ‘', ‘尿')”;這里作者水平有限,不是很清楚原因,也就是說(shuō),當(dāng)調(diào)用group(0)的時(shí)候,pattern中的()的意義并不再是捕獲分組了,而是回到了原始的提取匹配字符串的意思上來(lái)了。
為了解決
pattern = "[,;.,;。]+[^,;.,;。]*[(小便)尿]+[^,;.,;。]*[,;.,;。]+"
會(huì)匹配到不想要的含有“大便”字符串的問(wèn)題,通過(guò)使用非捕獲分組(?:)便可以達(dá)到目的。
pattern = "[,;.,;。]?[^,;.,;。]*(?:小便|尿)[^,;.,;。]*[,;.,;。]"
此時(shí)便是匹配“小便”或者“尿”了;結(jié)果為:
[',無(wú)浮腫、泡沫尿,', ',小便1-2小時(shí)1次,', '無(wú)尿痛、血尿。']
注意上述結(jié)果,由于“,小便1-2小時(shí)1次,”和“無(wú)尿痛、血尿。”是緊接著的,而逗號(hào)已經(jīng)被分配給了前者,所以后者便沒(méi)有了逗號(hào),這看起了有點(diǎn)像字符串的切片,被切走了就沒(méi)了,所以這里在pattern中的第一個(gè)“[,;.,;。]”后面將“+”換成了“?”()意思的前面的字符出現(xiàn)0次或1次;當(dāng)然更進(jìn)一步可以優(yōu)化為:
pattern = "[,;.,;。]?[^,;.,;。]*(?:小便|尿).*?[,;.,;。]"
可以看到,將pattern中第二個(gè)“[^,;.,;。]”變?yōu)椤??”
上述雖然將所有子句全部匹配并輸出了,但是相鄰的兩個(gè)子句還是分開(kāi)輸出的,仍舊沒(méi)有達(dá)到我們想要的預(yù)期。于是對(duì)上述代碼進(jìn)行了改進(jìn):
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)
結(jié)果為:
[',無(wú)浮腫、泡沫尿,', ',小便1-2小時(shí)1次,無(wú)尿痛、血尿。']
而如果使用re.search(),也是可以達(dá)到預(yù)期的,代碼如下:
for line in lines: result = [] num = -1 while line: #pattern = re.compile(r"[,;.,;。]+[^,;.,;。]*((小便)|尿)+[^,;.,;。]*[,;.,;。]+") #str = pattern.search(line) pattern = r"[,;.,;。]+[^,;.,;。]*((小便)|尿)+[^,;.,;。]*[,;.,;。]+" str = re.search(pattern,line) if str == None: break tmp = str.group() if str.start() == 0: result[-1] += tmp[1:] else: result.append(tmp[1:]) #print(tmp) num = str.end() - 1 #print(num) line = line[num:] print(result)
結(jié)果為:
['無(wú)浮腫、泡沫尿,', '小便1-2小時(shí)1次,無(wú)尿痛、血尿。']
感謝各位的閱讀,以上就是“python正則表達(dá)式能不能全部提取所有符合條件的字段”的內(nèi)容了,經(jīng)過(guò)本文的學(xué)習(xí)后,相信大家對(duì)python正則表達(dá)式能不能全部提取所有符合條件的字段這一問(wèn)題有了更深刻的體會(huì),具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是億速云,小編將為大家推送更多相關(guān)知識(shí)點(diǎn)的文章,歡迎關(guān)注!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。