Python正则表达式查找

Question

我试图在Python2.7.2中使用regex从字符串中提取所有出现的标记词。或者简单地说，我想提取[p][/p]标记中的每一段文本。 以下是我的尝试：

regex = ur"[\u005B1P\u005D.+?\u005B\u002FP\u005D]+?"
line = "President [P] Barack Obama [/P] met Microsoft founder [P] Bill Gates [/P], yesterday."
person = re.findall(pattern, line)

打印person产生['President [P]', '[/P]', '[P] Bill Gates [/P]']

正确的regex是什么：['[P] Barack Obama [/P]', '[P] Bill Gates [/p]'] 或者['Barrack Obama', 'Bill Gates']。

谢谢。：）

Answer 1

import re
regex = ur"\[P\] (.+?) \[/P\]+?"
line = "President [P] Barack Obama [/P] met Microsoft founder [P] Bill Gates [/P], yesterday."
person = re.findall(regex, line)
print(person)

收益率

['Barack Obama', 'Bill Gates']

---

regexur"[\u005B1P\u005D.+?\u005B\u002FP\u005D]+?"完全相同 unicode为u'[[1P].+?[/P]]+?'，但较难读取。

第一个括号中的组[[1P]告诉re列表中的任何字符['[', '1', 'P']都应该匹配，类似于第二个括号中的组[/P]]。这根本不是您想要的。所以

• 拆下外部封闭方括号。（同时移除 在P前面的杂散1。）
• 要保护[P]中的文字括号，请使用 反斜杠：\[P\]。
• 要只返回标记内的单词，请放置分组括号 大约.+?。

Answer 2

您的问题不是100%清楚，但我假设您希望找到标签中的每一段文本：

>>> import re
>>> line = "President [P] Barack Obama [/P] met Microsoft founder [P] Bill Gates [/P], yesterday."
>>> re.findall('\[P\]\s?(.+?)\s?\[\/P\]', line)
['Barack Obama', 'Bill Gates']

Answer 3

试试这个：

   for match in re.finditer(r"\[P[^\]]*\](.*?)\[/P\]", subject):
        # match start: match.start()
        # match end (exclusive): match.end()
        # matched text: match.group()