提取段落的正则表达式

Question

我正在尝试在Python中写一个正则表达式，用来提取一段文字中的某部分内容。

在下面这段文字中，我想提取的部分是加粗的。

提案将增加救助基金，向银行注入资金并削减希腊债务，据报道。

我的正则表达式和输出结果如下：

>>> text = 'Proposal will boost bailout fund, inject cash into banks and cut Greek debt says reports.'
>>> pattern = re.compile(r'(boost bailout)+?([\s\S]*?)(debt)+?')
>>> print re.findall(pattern, text)

[('boost bailout', ' fund, inject cash into banks and cut Greek ', 'debt')]

虽然它确实提取了正确的部分，但提取的结果是分成了三个部分的元组，而不是像下面这样只是一行，是否这样做是正确的呢？

[('boost bailout fund, inject cash into banks and cut Greek debt')]

相关问题：

• 在Python中使用re.compile和正则表达式组
• 如何在Python中从文件读取到下一行的下一个单词或多个单词？
• 在Python中使用正则表达式匹配字符串的开始和结束
• 使用正则表达式在Python中解析邮件头
• 如果行以关键字开头，匹配数字
• 使用正则表达式匹配直到某个模式
• 正则表达式问题
• 正则表达式：匹配包含特殊字符或'http://'的单词

Answer 1

你会得到一个元组，这是因为在Python的re模块文档中提到，括号会创建捕获组，这样你就可以单独获取这些组的内容。如果你不想这样，可以使用一个不捕获的组：(?: ... )。

Answer 2

使用

re.search(reg, text).group(0)

或者（在你的情况下）：

pattern.search(text).group(0)

Answer 3

根据文档的说明：

如果在模式中有一个或多个分组，返回的结果将是一个分组的列表；如果模式中有多个分组，这个列表会包含多个元组。空匹配也会包含在结果中，除非它们和另一个匹配的开始部分重叠。

-- http://docs.python.org/library/re.html

如果你只想要一个匹配，可以这样做：

#!/usr/bin/env python
import re
text = 'Proposal will boost bailout fund, inject cash into banks and cut Greek debt says reports.'
pattern = re.compile(r'boost bailout[\s\S]*?debt')
print re.findall(pattern, text)