Python正则表达式或其他从字符串中提取文本项的解决方案？

Question

我有一个字符串，看起来像这样：

\nInhaltse / techn. Angaben*\n\nAQUA • COCO-GLUCOSIDE • COCOSULFATE • SODIUM\n\n\

我需要得到一个点与点之间的项目列表，如下所示：

AQUA COCO-GLUCOSIDE COCOSULFATE  SODIUM

我尝试过regex和其他工具，但我找不到正确的、灵活的答案

*flexible=列表可能包含1到N个元素

Answer 1

您应该更好地定义什么是可能性，以及您要应用哪些规则。
我认为像这样的规则，任何单词至少只有两个大写字符或破折号加空格或\n'，可能对您有用。如果是这样的话，这是你的正则表达式：

import re

my_string = "\nInhaltse / techn. Angaben*\n\nAQUA • COCO-GLUCOSIDE • COCOSULFATE • SODIUM\n\n"

print(re.findall(r"(?<=\n|\s)[A-Z-]{2,}(?=\n|\s)", my_string))

输出：

['AQUA', 'COCO-GLUCOSIDE', 'COCOSULFATE', 'SODIUM']

下面是你如何阅读正则表达式的：

(?<=\n|\s)表示前面有（?<=）新行（\n）或（|）空格（\s）
[A-Z-\s]{2,}表示至少两个（{2,}）大写字母、破折号和空格（[A-Z-\s]）
(?=\n|\s)表示后跟（?=）新行（\n）或（|）空格（\s）

或者为了更好地满足您的要求：

get a list of the items between dots

您可以使用：

r"(?<=\n\n|\•\s)[A-Z-\s]{2,}(?=\n\n|\s\•)"

也就是说：

at least 2 uppercase letters, dash or spaces, preceded by two new line or a dot and a space and followed by two new lines or a space and a dot