我是Python初学者。我试着解决这个问题,但是我失败了。我需要在一个文本文件中找到一个关键字。如果在整个文本的任何部分都有关键字,那么我需要选择关键字周围的句子,包括关键字。句子的数量是任意的,所以可以是5或10。句子之间可能有一个空行,所以我也需要包括空行。
例如:
设关键字为:补偿
输入文本为:
“与我们征集和获取委托书相关的费用,包括因银行和经纪人将代理材料转发给他们的委托人而产生的报销费用,将由我们承担。我们的官员和员工可以亲自征集委托书,也可以通过邮寄、电话和其他通讯方式征集委托书,无需额外补偿。”
例如,我想要的输出是:“成本附带的……补偿……沟通”。
我尝试使用这个:p= re.compile( r‘^..compensation^.+.’)P.findall(文本)
使用上面的代码,我可以只选择包含关键字的句子。我需要的是选择关键字周围的句子。我需要控制包含关键字的句子前后的句子数量。例如,如果我想在包含关键字的句子之前选择两个句子,在包含关键字的句子之前选择两个句子,在包含关键字的句子之后选择两个句子,该怎么办?
发布于 2014-10-10 11:23:34
假设您的输入结构如下:
然后,您需要首先为每个匹配选择完整的句子,该句子可能以您的关键字开始,以您的关键字结束,以您的关键字开始和结束(虽然不太可能)。然后选择之前的数量,之后也是如此。
import re
s = open('text.txt', 'r').read()
p = re.compile(r'(([^\.]*\.){2}[^\.]*compensation[^\.]*\.([^\.]*\.){3})')
for i in p.findall(s):
print("match='" + i[0] + "'")因为我们使用的是组元字符'(‘和')',findall()将返回这些元字符的元组列表,而不是我们想要的。因此,我们在整个正则表达式周围添加一个组(这必然是第一个组,因为它是最外层的一个)。
编辑:另一种可能是使用非捕获组(?:...)。findall()将只返回与这些匹配的完全匹配。
允许(2)之前和(3)之后匹配的数量或句子变化是一种练习(使用Python的字符串格式化工具应该很容易做到这一点)。
输出
match=的圣培根与我们招揽和获取代理有关的费用,包括报销银行和经纪人将代理材料转发给他们的委托人的费用,将由我们承担。委托书可以由我们的官员和员工亲自或通过邮件、电话和其他通讯方式征集,而无需额外补偿。我的。哦天啊。天哪。‘
Match=的C.D.我的补偿就是你的补偿。E.F.G.‘
使用的文本
天哪。天啊。我的天啊。与我们招揽和获取代理有关的费用,包括报销银行和经纪人将代理材料转发给他们的委托人的费用,将由我们承担。委托书可以由我们的官员和员工亲自或通过邮件、电话和其他通讯方式征集,而无需额外补偿。我的。哦天啊。神。感觉。好的。成为。丛林之王。
我的补偿就是你的补偿。E.F.G.嗨。伊杰克。Lllme.
https://stackoverflow.com/questions/26291013
复制相似问题