我想用 python 正则表达式 python 在单词“is”之后获取整个句子。
我的代码:
s = '''Robert is an English actor, model and musician.
He started his film career by playing Cedric Diggory in Harry Potter.'''
r = re.findall(r'(?:is) (.*)',s)
print(r)
我希望输出是:
'an English actor, model and musician'
但实际输出是:
['an English actor, model and musician','film career by playing Cedric Diggory in Harry Potter']
请您参考如下方法:
因为您只希望从 is 到句子结尾,this RegEx将工作:
\bis\s+(.+?)\.
需要与标志 s 一起使用,以便 . 也匹配换行符,以防句子分布在多行中。我将 + 量词与 . 一起使用,因为 .* 会使整个正则表达式匹配,即使 is 和 .,一句什么都说不通。
. 通过将其移出捕获括号从输出中删除。 “句子的其余部分”在第一个捕获组中。
请注意,如果句子中有像 Mrs. 这样的简单方法(并且有很多短语包含 .这可能属于一个句子)。
解析自然语言非常困难。如果你有 任何比简单、定义明确和可预测的文本更复杂的东西,那么你应该寻求一个专门的图书馆。例如,快速搜索会显示综合库 NLTK和 spaCy .
This helpful regex tool提供它如何匹配的解释。您尝试的变体
(\bis\b)([\s\S]*)
有关详细信息,请参阅链接页面。评论
它创建两个捕获组,其中您的目标输出是第二组,您可以使用 $2 调用它。
第一组在你唯一的 is 实例周围创建一个单词边界。
您可以使用 \ 转义任何语言特定的元字符。
