Python正则表达式查找文本中的所有单词

Question

我知道这听起来很简单，但是由于某种原因，我无法获得所需的所有结果

在这种情况下，单词是除空格以外的任何char字符，例如，在以下字符串中用空格分隔：“ Hello there stackoverflow”。 结果应该是：['Hello'，'there'，'stackoverflow。']

我的代码：

import re

word_pattern = "^\S*\s|\s\S*\s|\s\S*$"
result = re.findall(word_pattern,text)
print result

但是在像我所示的字符串上使用此模式之后，它仅将列表中的第一个和最后一个单词放进去，而不是用两个空格分开的单词

这种模式有什么问题？

Answer 1

请使用\\b边界测试：

r'\b\S+\b'

结果：

>>> import re
>>> re.findall(r'\b\S+\b', 'Hello there StackOverflow.')
['Hello', 'there', 'StackOverflow']

或根本不使用正则表达式，而只使用.split() ； 后者将在句子中包括标点（上面的正则表达式与句子中的.不匹配）。

Answer 2

查找字符串中的所有单词最好使用split

>>> "Hello there stackoverflow.".split()
['Hello', 'there', 'stackoverflow.']

但是如果必须使用正则表达式，则应将正则表达式更改为更简单，更快速的表达式： r'\\b\\S+\\b' 。

• r将字符串转换为“原始”字符串。 表示它不会逃脱您的角色。
• \\b表示边界，它是空格，换行符或标点符号。
• 您应该知道\\S是任何非空白字符。
• +表示上一个或多个。

因此，这意味着找到所有可见的字符集（单词/数字）。

Answer 3

简单使用-

>>> s = "Hello there stackoverflow."
>>> s.split()
['Hello', 'there', 'stackoverflow.']

Answer 4

其他答案很好。 根据您想要的内容（例如，包含/排除标点符号或其他非单词字符），另一种选择是使用正则表达式将一个或多个空格字符分开：

re.split(r'\s+', 'Hello there   StackOverflow.')
['Hello', 'There', 'StackOverflow.']