python：如何在findall中使用for循环

Question

我试图在jupyter笔记本中使用for循环到re.findall（）。 我想提取包含'California'，'Colorado'和'Florida'的所有句子。 我可以写这些。

import re

f =open("C:/Users/uib57309/Desktop/test.txt",mode='rt')
lines = f.read()
f.close()

re.findall(r"([^.]*?California[^.]*\.)",lines)

re.findall(r"([^.]*?Colorado[^.]*\.)",lines)

re.findall(r"([^.]*?Florida[^.]*\.)",lines)

但是如何用for循环缩短我的代码呢？ 我试过这些，但这似乎是错的。

test_list = ['California', 'Colorado', 'Florida'] 

for i in test_list: 

     result = re.findall(r"([^.]*?i[^.]*\.)",lines)

print(result)

Answer 1

在for循环中，结果是使用文字“i”字符串字符查找所有搜索。 使用f-string（3.6+）; 字符串连接或格式化也是可以的：

result = re.findall(f"([^.]*?{i}[^.]*\\.)", lines) # works in Python 3.6+

Answer 2

如果你真的想以干净的方式去做，你必须使用NLTK来分隔句子。 你的代码依赖于一个句点总是将句子分开的假设，但总的来说，这不是真的。

import nltk
import re

lines = "Hello, California! Hello, e.g., Florida? Bye Massachusetts"

states = ['California', 'Colorado', 'Florida'] 

# Create a regex from the list of states
states_re = re.compile("|".join(states)) 

results = [sent for sent in nltk.sent_tokenize(lines) \
           if states_re.search(sent)] # Check the condition
#['Hello, California!', 'Hello, e.g., Florida?']

Answer 3

你不需要循环，只需用"|".join创建一个正则表达式

test_list = ['California', 'Colorado', 'Florida']
result = re.findall(r"([^.]*?{}[^.]*\.)".format("|".join(test_list)),lines)

并确保单词不是子字符串使用单词边界（对于那些特定的单词不是真的必要，但对于一般情况它是。然后表达式再使用r \\b字符包装：

r"([^.]*?{}[^.]*\.)".format("|".join([r"\b{}\b".format(x) for x in test_list]))

Answer 4

使用单词边界执行此任务，并列出要存储的列表。

每次迭代循环都会覆盖result变量。

test_list = ['California', 'Colorado', 'Florida'] 
x = []

for i in test_list: 
    pattern = r"\b"+i+r"\b"
    result = re.findall(pattern,lines)
    x.append(result)

print(x)