Python regex findall

Question

我正在尝试使用Python 2.7.2中的regex从字符串中提取所有出现的标记单词。或者简单地说，我想提取[p][/p]标记中的每一段文本。这是我的尝试：

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生成['President [P]', '[/P]', '[P] Bill Gates [/P]']

正确的正则表达式是：['[P] Barack Obama [/P]', '[P] Bill Gates [/p]']还是['Barrack Obama', 'Bill Gates']。

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']

正则表达式ur"[\u005B1P\u005D.+?\u005B\u002FP\u005D]+?"与u'[[1P].+?[/P]]+?'完全相同，只是更难读。

第一个带括号的组[[1P]告诉re列表['[', '1', 'P']中的任何字符都应该匹配，第二个带括号的组[/P]]也是如此，这根本不是您想要的。所以,

• 去掉外部的方括号。(还要删除P.)
• To前面的杂乱无章的括号保护[P]中的文字括号，用反斜杠转义括号：\[P\].
• To只返回标签内的单词，将.+?.

放在分组括号中

Answer 2

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()

Answer 3

您的问题不是100%清楚，但我假设您想要找到[P][/P]标记中的每一段文本：

>>> 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']