如何排除含有特定单词的句子

Question

我正在读excel（包含生物数据）文件中的一句话，想提取他们工作的组织。这个文件还包含一些句子，这些句子指定了这个人在哪里学习。 例如：

• 我在x学院（大学）学习
• 我是y学院的学生

我想跳过这类句子。你知道吗

我正在使用正则表达式来匹配这些句子，如果它与student相关，那么跳过这部分，只在单独的excel文件中写入其他行。你知道吗

我的代码如下。。你知道吗

CSV数据=熊猫.read\u csv("文件名.csv",","); 对于csvdata中的数据：

        regEX=re.compile('|'.join([r'\bstudent\b',r'\bstudy[ing]\b']),re.I)
        matched_data=re.match(regEX,data)   
        if matched_data is not None:
            continue

        else:
            ## write the sentence to excel

但是，当我检查新创建的excel文件时，它仍然包含包含“student”、“study”的句子。 如何修改正则表达式以获得结果。你知道吗

Answer 1

这里有两件事：

1）使用re.search（re.match只在字符串开头搜索）
2） 正则表达式应该是regEX=re.compile(r"\b(?:{})\b".format('|'.join([r'student',r'study(?:ing)?'])),re.I)

[ing]只匹配一个符号，即i、n或g，而您打算匹配一个可选的ing结尾。带有?量词(?:ing)?的非捕获组实际上匹配了1或0个ing序列

而且，\b(x|y)\b是比\bx\b|\by\b更有效的模式，因为它涉及更少的回溯步骤。你知道吗

下面是这个正则表达式的a demo：

import re
pat = r"\b(?:{})\b".format('|'.join([r'student',r'study(?:ing)?']))
print(pat)
# => \b(?:student|study(?:ing)?)\b
regEX=re.compile(pat,re.I)
s = "He is studying here."
mObj = regEX.search(s)
if mObj: 
    print(mObj.group(0))
# => studying