在 Python 中使用正則表達式提取模式

Question

我正在嘗試在 python 中使用正則表達式進行單詞提取，因為我是初學者並且沒有正則表達式經驗我希望你幫助我，我有這個字符串：

Deadline for NSF-BSF programs in Elementary Particle Physics – Theory; Particle Astrophysics and Cosmology – Theory; Quantum Information Science (NSF deadline is Dec. 14)

我希望 output 成為這個詞中的區域或研究列表，所以 output 應該是：

[Elementary Particle Physics, Particle Astrophysics and Cosmology, Quantum Information Science]

任何人都可以使用re.findall()給出正則表達式來識別這種模式。 提前致謝！

Answer 1

您必須考慮弄清楚是什么連接了您要搜索的元素。 正則表達式依賴於模式識別。 常規意義

1. 排列成或構成恆定或確定的模式，尤其是在各個實例之間具有相同的空間。
2. 以均勻的間隔重復出現。

鑒於此，您的問題不容易解決，因為您的來源不是“常規”

也就是說，在一種情況下，您正在尋找任何以'- Theory;'結尾的東西。 然而，“任何東西”過於寬泛。 您如何區分匹配"Deadline for NSF-BSF programs in Elementary Particle Physics – Theory;" 以及您要查找的匹配項是Elementary Particle Physics您的結果不符合統一的模式，例如， Elementary Particle Physics是三個單詞，而Particle Astrophysics and Cosmology是 4 個單詞。

鑒於缺乏constant or definite pattern ，我不知道這是正則表達式真正可以幫助您的東西。

當然假設（1） ' in '是您感興趣的單詞正在開始的指示符，並且（2）所有區域都用';'分隔並且 (3) 所有區域都以- Theory或括號中的內容結尾，我們可以獲得您要查找的列表。 但是，如果預期以下代碼有效，這些假設必須在所有輸入源中保持一致。

import re

src = "Deadline for NSF-BSF programs in Elementary Particle Physics - Theory; " \
      "Particle Astrophysics and Cosmology - Theory; " \
      "Quantum Information Science (NSF deadline is Dec. 14)"

_, out = src.split(' in ')
out = [re.split(r'( - Theory)|\(.*\)', o)[0].strip() for o in out.split(';')]

print(out)

正則表達式很棒……有時解釋一些正則表達式的優點和缺點。 此答案的摘錄何時不應使用正則表達式？ , 強調解析人類寫作通常不是正則表達式的好用法。

一個很好的例子是淫穢過濾器。 不僅一般來說實現它是一個壞主意，而且您可能很想使用正則表達式來實現它，而且您會做錯。 一個人可以用很多方法寫一個單詞、一個數字、一個句子，並且會被另一個人理解，但不是你的正則表達式。 因此，您的正則表達式不會抓住真正的淫穢內容，而是會花時間傷害其他用戶。