从Python中的文本文件中获取某些单词和短语

Question

我有这个代码块，它通过一个文本文件，逐行抓取它并将其分成单独的单词。 这一切都很好，但在我的文本文件中，我有一些以' - '开头并以' - '结尾的单词和短语，例如'-foo-'或'-foo bar-'。 现在，由于代码分为'-foo'和'bar-'，它们被拆分了。 我理解为什么会发生这种情况。

我的计划是抓住那些以' - '开头和结尾的实例，将它们存储到一个单独的列表中，然后用户将每个短语更改为新的，将它们放回列表中。 如果它是两个单独的单词，我如何告诉它抓取某个短语？

def madLibIt(text_file):
    listOfWords = [] #creates a word list
    for eachLine in text_file: #go through eachLine, and split it into 
        #seperate words
        listOfWords.extend(eachLine.split())
 print listOfWords

Answer 1

在没有分隔符的情况下调用str.split()按空格分割文本，因此您不使用-作为分隔符。

您可以将re.findall()与模式(-.+?-) ：

matches = re.findall(r'(-.+?-)', 'This is a -string- with a -foo bar-')
print(matches) # ['-string-', '-foo bar-']

Answer 2

这个正则表达式正好抓住你想要的东西。

import re

s = 'This is a string with -parts like this- and -normal- parts -as well-'

print re.findall(r'((?:-\w[\w\s]*\w-)|(?:\b\w+\b))', s)

>>> 
['This', 'is', 'a', 'string', 'with', '-parts like this-', 'and', '-normal-', 'parts', '-as well-']