如何编写脚本以迭代地搜索文档并根据模式返回结果

Question

我有一个大型文档，其中包含一个特定模式中出现的项目："TEXT I return "，“(逗号结束我想返回的文本)”，"more text I不需要“。“我需要的文本”(需要紧接句号后面的文本) "，“(逗号结束文本)。诸若此类。

我希望编写一个脚本，它将通过文档并取出(我需要的文本)。

我没试过多少。我试过玩re.compile，但我大多是初学者。

文件例子:苹果很有趣，橘子更好。橘子很有趣，香蕉更好。香蕉很奇怪，香蕉有点奇怪。

我想回去:苹果很好玩，橘子很好玩，香蕉很奇怪

Answer 1

提取','之前并在begin of text(^)或'.'前面的文本

import re

text = """APPLES ARE FUN, oranges are better. ORANGES ARE FUN, bananas are better. BANANAS ARE WEIRD, bananas are a little weird"""

print(re.findall('(?:^|\.\s+)([\w\s]+)(?=,)', text))
# ['APPLES ARE FUN', 'ORANGES ARE FUN', 'BANANAS ARE WEIRD']

Answer 2

如果您只想要大写的ASCII字母，则如下所示：

[A-Z]+

• 方括号定义了要匹配的事物集合。
• 连字符定义了一个范围，在这种情况下从大写A到大写Z
• 加号表示这些字符中至少有一个在此范围内，但如果它们相邻，则可能更多。

示例：

http://regexr.com/4n1s1

import re
pattern = re.compile('[A-Z]+')
matches = pattern.findall('APPLES ARE FUN, oranges are better. ORANGES ARE FUN, bananas are better')
print(matches)
# ['APPLES', 'ARE', 'FUN', 'ORANGES', 'ARE', 'FUN']

Answer 3

根据您的模式，您可以使用以下内容：

from re import findall as regexSearch

with open("./myFileName.txt", "r") as myFile:
    content = myFile.read()

pattern = r"[A-Z ]{2,}"
matches = regexSearch(pattern, content)
for match in matches:
    print(match)

测试模式的一个好工具是regex101.com。它还解释了它发现了什么以及为什么它找到了它。