查找任何带有逗号或空格的文本

Question

我有一些短信。你可以在这里看到。

str1 = '{5723647 9 aqua\t \tfem nom/voc pl}{5723647 9 aqua\t \tfem dat sg}{5723647 9 aqua\t \tfem gen sg}'
str2 = '{27224035 2 equo_,equus#1\t \tmasc abl sg}{27224035 2 equo_,equus#1\t \tmasc dat sg}'

我想要的是：

result1 = [('aqua', 'fem nom/voc pl'), ('aqua', 'fem dat sg'), ('aqua', 'fem gen sg')]
result2 = [('equus#1', 'masc abl sg'), ('equus#1', 'masc dat sg')]

正如您在这里看到的，可以有两个变体：

(任意文本，)(字-i-需要)\t \t(form-I-need).

• (anytext )(字-i-需要)\t \t(form-I-need).

下面是我尝试过的内容：

pattern = re.compile(r'\d* \d*(?:,| )(.*?)\t \t(.*?)}')

我得到的是：

[('aqua', 'fem nom/voc pl'), ('aqua', 'fem dat sg'), ('aqua', 'fem gen sg')]
[('equo_,equus#1', 'masc abl sg'), ('equo_,equus#1', 'masc dat sg')]

然而，第二个问题必须是：

[('equus#1', 'masc abl sg'), ('equus#1', 'masc dat sg')]

你有什么建议吗？谢谢!

Answer 1

pattern = re.compile(r"\{(?:.*?,|.*?)(\S+)\t \t(.*?)\}")

Answer 2

这将是少数人的观点，但是为什么不使用regex逻辑来处理更容易用regex编写的东西，然后再用Python来处理其他的事情呢？除其他外，它对变化更有活力。有点像

>>> import re
>>> 
>>> str1 = '{5723647 9 aqua\t \tfem nom/voc pl}{5723647 9 aqua\t \tfem dat sg}{5723647 9 aqua\t \tfem gen sg}'
>>> str2 = '{27224035 2 equo_,equus#1\t \tmasc abl sg}{27224035 2 equo_,equus#1\t \tmasc dat sg}'
>>> 
>>> pattern = re.compile("{([^\}]*)}")
>>> 
>>> def extract(part):
...     ps = part.split()
...     word = ps[2].split(',')[-1]
...     form = ' '.join(ps[3:])
...     return word, form
... 
>>> for s in str1, str2:
...     for entry in re.findall(pattern, s):
...         print extract(entry)
... 
('aqua', 'fem nom/voc pl')
('aqua', 'fem dat sg')
('aqua', 'fem gen sg')
('equus#1', 'masc abl sg')
('equus#1', 'masc dat sg')

Answer 3

像这样的事情可能会奏效

([^{\s,]*)\t \t([^}]*)