在关键字列表之间查找文本，并在Python中使用RegEx指向

Question

# coding=utf-8
import re

m = "Hola esto es un ejemplo Objeto: esta es una de, las palabras."

keywords = ['Objeto:', 'OBJETO', 'Objeto social:', 'Objetos']

obj = re.compile(r'\b(?:{})\b\s*(.*?),'.format('|'.join(map(re.escape, keywords))))
print obj.findall(m)

我想在关键词之一和下一个点之间打印文本。 在这些情况下我想要的输出：“esta es una de，las palabras。”

Answer 1

尾随\\b阻止匹配，因为您的关键字以以下结尾:

通过删除它来简化你的正则表达式。 加上贪婪/逗号(.*?),只是在逗号之前提取第一部分，我想你的意思是“到下一点”: (.*?)\\.

obj = re.compile(r'\b(?:{})\s*(.*?)\.'.format('|'.join(map(re.escape, keywords))))

结果：

['esta es una de, las palabras']

删除单词边界可以匹配句子中的部分关键字。 你可以在之后用\\W 强制一个非单词字符，它可以工作（像字边界一样）：

obj = re.compile(r'\b(?:{})\W\s*(.*?)\.'.format('|'.join(map(re.escape, keywords))))

Answer 2

使用\\b(?:{0})\\s*(.*?)(?=\\b(?:{0})|$)代替前瞻：

import re
m = "Hola esto es un ejemplo Objeto: esta es una de, las palabras."
keywords = ['Objeto:', 'OBJETO', 'Objeto social:', 'Objetos']
obj = re.compile(r'\b(?:{0})\s*(.*?)(?=\b(?:{0})|$)'.format('|'.join(map(re.escape, keywords))))
print(obj.findall(m))

这输出：

['esta es una de, las palabras.']