使用正则表达式提取字符串位置Python

Question

我正在尝试使用正则表达式提取子字符串的位置（索引）。 我需要使用正则表达式，因为字符串不会完全相同。 我想获取子字符串的位置（开始位置或结束位置），因此我可以在该子字符串后面取1,000个字符。

例如，如果我有“虽然外汇交易频繁，但大多数人却赚很少的钱”。 我想找到“外国货币”的头寸，这样我可以得到所有的话。

f5是文本。

我试过了：

p = re.compile("((^\s*|\.\s*)foreign\s*(currency|currencies))?")
for m in p.finditer(f5):
    print m.start(), m.group()

获取位置。 即使我已检查以确保正则表达式能提取文本中要查找的内容，这也给了我（0,0）。

我也尝试过：

location = re.search(r"((^\s*|\.\s*)foreign\s*(currency|currencies))?", f5)
print location

输出为<_sre.SRE_Match at 0x297d3328>

如果我尝试

location.span()

我又得到（0,0）。

基本上，我想将<_sre.SRE_Match at 0x297d3328>转换为一个给出搜索词位置的整数。

我花了半天时间寻找解决方案。 谢谢你的帮助。

Answer 1

您的模式包括“外国”一词之前的所有内容。 因此，python会考虑匹配的那部分。 如果您想丢弃它，只需将其从搜索字符串中删除。

尝试：

 p = re.compile('foreign\s+(currency|currencies)?')
 m = p.search(s)
 m.start()

这也适用于finditer ：

 for m in p.finditer(s):
     m.start()

Answer 2

除了以前的解决方案/评论之外，如果您想在后面加上所有单词，则可以执行以下操作：

>>> location = re.search(r".*foreign\s*currenc(y|ies)(.*)", f5)
>>> location.group(2)
' are traded frequently, very little money is made by most.'

.group(2)部分与正则表达式中的(.*)匹配。

Answer 3

没有大量的Python经验，所以我无法直接回答您的问题。 但是，如果您希望子字符串以匹配开头，为什么不匹配其余字符串或删除匹配之前的所有内容呢？

匹配foreign currenc(y|ies)然后匹配字符串中的每个其他字符。 我使用了s修饰符，以便点也与新行匹配。

foreign\s+currenc(?:y|ies).*

将此表达式替换为空的String。 这将使所有内容延迟匹配，直到匹配foreign currenc(y|ies)的前瞻为止。

.*?(?=foreign\s+currenc(?:y|ies))

注：我改变(currency|currencies) ，以currenc(?:y|ies)因为它会更有效。