自拍偷拍亚洲色图欧美,久久精品无码专区免费东京热,一区在线视频

主頁 > 知識庫 > python中使用正則表達式將所有符合條件的字段全部提取出來

python中使用正則表達式將所有符合條件的字段全部提取出來

問題如標題，使用正則表達式匹配字段目前無非就三種，分別是：

re.match()
re.search()
re.findall()

簡單介紹一下，re.match()與re.search()非常類似，主要區別就是前者是從目標字符串的開頭匹配，而后者則要沒有這個要求。而re.findall()則是可以返回匹配的所有結果。但是有時候re.findall()返回的結果和前面兩個并不一樣，我們來看下面一個例子：
對于句子：

起病以來,患者無腰背痛、頸痛,無咽痛、口腔潰瘍,無光過敏、脫發,無口干、眼干,無肢端發作性青紫,無肢體乏力,無浮腫、泡沫尿,精神、食欲、睡眠欠佳,近1月大便干結,5-6天1次,無腹痛、黑便、便血,小便1-2小時1次,無尿痛、血尿。體重未見明顯變化。

我想使用正則去匹配所有包含小便和尿相關的子句，目的就是將“無浮腫、泡沫尿”和“小便1-2小時1次,無尿痛、血尿。”識別出來并且將這些子句返回。
本來我想使用re.findall()去匹配:

import re
lines = [
 "起病以來,患者無腰背痛、頸痛,無咽痛、口腔潰瘍,無光過敏、脫發,無口干、眼干,無肢端發作性青紫,無肢體乏力,無浮腫、泡沫尿,精神、食欲、睡眠欠佳,近1月大便干結,5-6天1次,無腹痛、黑便、便血,小便1-2小時1次,無尿痛、血尿。體重未見明顯變化。",
 ]
for line in lines:
 pattern = "[,;.，；。]+[^,;.，；。]*((小便)|尿)+[^,;.，；。]*[,;.，；。]+"
 str = re.findall(pattern,line)
 print(str)

結果為：

[('尿', ''), ('小便', '小便')]

這里說明一下我使用的模式的意義，因為我是要匹配子句，所以一個子句的前后必然會有相應的符號，所以pattern前面和后面均添加了“[,;.，；。]+”；“+”表示至少匹配一個。而后面的“[,;.，；。]*”表示匹配0個或多個除標點符號“,;.，；。”的任意字符，這里分別添加了中英文的逗號、分號和句號，“*”表示匹配0個或1個及以上。需要說明的是，這里我之所以使用“[,;.，；。]”，是因為文本中可能包含很多其他的符號，像上例中出現的“-”；所以想要使用漢字、數字、特定符號來匹配的話可能會存在遺漏，而我的目的是只想要得到匹配的子句，所以使用“[^,;.，；。]”會更通用一些。接下來就是“((小便)|尿)”意思是匹配含有“小便”或者含有“尿”的子串。
但是使用re.findall()所得到的結果并不是我想要的，于是我稍微換了一下匹配規則，將“((小便)|尿)+”換成了“[(小便)|尿]+”；為了驗證匹配的適用性，我又添加了兩個樣本。總體如下：

import re
lines = [
 "起病以來,患者無腰背痛、頸痛,無咽痛、口腔潰瘍,無光過敏、脫發,無口干、眼干,無肢端發作性青紫,無肢體乏力,無浮腫、泡沫尿,精神、食欲、睡眠欠佳,近1月大便干結,5-6天1次,無腹痛、黑便、便血,小便1-2小時1次,無尿痛、血尿。體重未見明顯變化。",
 "起病以來,睡眠、胃納正常,小便正常,近4~5年來每天解大便3~4次,多為黃褐色成形軟便,偶有解爛便,有排便不盡感,便血、解黑便,無消瘦。",
 "身材矮小，體重較同齡人輕。"
]
for line in lines:
 pattern = "[,;.，；。]+[^,;.，；。]*[(小便)尿]+[^,;.，；。]*[,;.，；。]+"
 str = re.findall(pattern,line)
 print(str)

結果為：

[',無浮腫、泡沫尿,', ',近1月大便干結,', ',無腹痛、黑便、便血,', ',無尿痛、血尿。']
[',小便正常,', ',多為黃褐色成形軟便,', ',有排便不盡感,']
[]

倒是匹配出了子句，一則是“小便1-2小時1次,無尿痛、血尿”中的“小便1-2小時1次”沒有匹配出來，二則是竟然連大便相關的“近1月大便干結”和“無腹痛、黑便、便血”都匹配出來了，看來“[(小便)尿]”的意思并不是匹配含有“小便”或者“尿”的子串；那“[(小便)尿]”的意思是不是匹配含有“小”、“便”、“尿”任意一個的子串呢？但是根據第三個含有“小”但是不含“便”與“尿”的樣本可以看出，上述的想法依然不對。
再加上re.findall()沒有匹配到的子串在原始文本中的開始和結束位置，所以我想要得到“小便1-2小時1次,無尿痛、血尿。”這種兩個子句連在一起的情況也很難得到。
于是我轉而使用另一個很常用的re.search()方法。

import re
lines = [
 "起病以來,患者無腰背痛、頸痛,無咽痛、口腔潰瘍,無光過敏、脫發,無口干、眼干,無肢端發作性青紫,無肢體乏力,無浮腫、泡沫尿,精神、食欲、睡眠欠佳,近1月大便干結,5-6天1次,無腹痛、黑便、便血,小便1-2小時1次,無尿痛、血尿。體重未見明顯變化。",
]
for line in lines:
 pattern = "[,;.，；。]+[^,;.，；。]*((小便)|尿)+[^,;.，；。]*[,;.，；。]+"
 str = re.search(pattern, line)
 print(str.group())

結果為：

,無浮腫、泡沫尿,

可見，re.search()只匹配遇到的第一個滿足條件的子串。
而如果將pattern中的“((小便)|尿)”修改為“[(小便)|尿]”(或者“[(小便)尿]”，意思是完全一樣的，也試過)
得到的結果為：

,無浮腫、泡沫尿,

可見修改前后并沒有任何變化，但是如果我將原始文本中的“無浮腫、泡沫尿”中的“尿”刪除，則修改前的結果為：

,小便1-2小時1次,

修改后的結果為：

,近1月大便干結,

也就是說對于

pattern = "[,;.，；。]+[^,;.，；。]*[(小便)尿]+[^,;.，；。]*[,;.，；。]+"

無論是re.findall()還是re.search()，都能匹配到大便相關的子串；
而對于：

pattern = "[,;.，；。]+[^,;.，；。]*((小便)|尿)+[^,;.，；。]*[,;.，；。]+"

re.findall()和re.search()匹配的子串就有所區別了，前置匹配的結果是含有元組的列表：[(‘尿', ‘'), (‘小便', ‘小便')]；而后者匹配到了我想要的子串：,無浮腫、泡沫尿,
后來問了同事以及進一步了解了正則的運行機制后，發現小括號()除了提取匹配的字符串，還有一個作用是用來捕獲分組的，也就是說小括號中的內容匹配后會被存儲起來，在調用的時候便會返回相應的值。而使用re.findall()時會將存儲分組的值全部返回。
再舉個例子會更加明白些，將上述pattern中的“((小便)|尿)”改為“((小便)|(尿))”，如：

pattern = "[,;.，；。]+[^,;.，；。]*((小便)|(尿))+[^,;.，；。]*[,;.，；。]+"

使用re.findall()輸出的結果為：

[('尿', '', '尿'), ('小便', '小便', '')]

由上可知，“((小便)|(尿))”使用了三個“()”,于是便產生了三個分組，在最外圍的第一個分組用于捕獲“小便”或“尿”，原文中“小便”和“尿”都能匹配到，所以第一個位置兩者都有；第二個分組是用來捕獲“(小便)”的，所以第二個分組只存儲“小便”；同理第三個分組用來捕獲“(尿)”的，所以結果只存儲了“尿”。
而我使用re.search()來輸出分組結果：

for line in lines:
    pattern = "[,;.，；。]+[^,;.，；。]*((小便)|(尿))+[^,;.，；。]*[,;.，；。]+"
    str = re.search(pattern, line)
    print(str.group(0))
    print(str.group(1))
    print(str.group(2))
    print(str.group(3))

結果為：

,無浮腫、泡沫尿,
尿
None
尿

group(1)、group(2)、group(3)分別與(‘尿', ‘', ‘尿')中對應的分組結果相同。但是這里的group(0)(或者說group(),兩個意思完全一樣)卻不是“(‘尿', ‘', ‘尿')”；這里作者水平有限，不是很清楚原因，也就是說，當調用group(0)的時候，pattern中的()的意義并不再是捕獲分組了，而是回到了原始的提取匹配字符串的意思上來了。
為了解決

pattern = "[,;.，；。]+[^,;.，；。]*[(小便)尿]+[^,;.，；。]*[,;.，；。]+"

會匹配到不想要的含有“大便”字符串的問題，通過使用非捕獲分組(?:)便可以達到目的。

pattern = "[,;.，；。]?[^,;.，；。]*(?:小便|尿)[^,;.，；。]*[,;.，；。]"

此時便是匹配“小便”或者“尿”了；結果為：

[',無浮腫、泡沫尿,', ',小便1-2小時1次,', '無尿痛、血尿。']

注意上述結果，由于“,小便1-2小時1次,”和“無尿痛、血尿。”是緊接著的，而逗號已經被分配給了前者，所以后者便沒有了逗號，這看起了有點像字符串的切片，被切走了就沒了，所以這里在pattern中的第一個“[,;.，；。]”后面將“+”換成了“?”()意思的前面的字符出現0次或1次;當然更進一步可以優化為：

pattern = "[,;.，；。]?[^,;.，；。]*(?:小便|尿).*?[,;.，；。]"

可以看到，將pattern中第二個“[^,;.，；。]”變為“.?”
上述雖然將所有子句全部匹配并輸出了，但是相鄰的兩個子句還是分開輸出的，仍舊沒有達到我們想要的預期。于是對上述代碼進行了改進：

for line in lines:
 #pattern = "[,;.，；。]+[^,;.，；。]*[('小便')尿]+[^,;.，；。]*[,;.，；。]+"
 pattern = "[,;.，；。]?[^,;.，；。]*?(?:小便|尿).*?[,;.，；。]"
 #pattern = "[,;.，；。]?[^,;.，；。]*(?:小便|尿)[^,;.，；。]*[,;.，；。]"

 str = re.findall(pattern,line)
 ls = [',',';','.','，','；','。']
 for idx, text in enumerate(str):
  if text[0] not in ls:
   str[idx-1] += text
   str.remove(text)

 print(str)

結果為：

[',無浮腫、泡沫尿,', ',小便1-2小時1次,無尿痛、血尿。']

而如果使用re.search(),也是可以達到預期的，代碼如下：

for line in lines:
 result = []
 num = -1
 while line:
  #pattern = re.compile(r"[,;.，；。]+[^,;.，；。]*((小便)|尿)+[^,;.，；。]*[,;.，；。]+")
  #str = pattern.search(line)
  pattern = r"[,;.，；。]+[^,;.，；。]*((小便)|尿)+[^,;.，；。]*[,;.，；。]+"
  str = re.search(pattern,line)
  if str == None:
   break
  tmp = str.group()
  if str.start() == 0:
   result[-1] += tmp[1:]
  else:
   result.append(tmp[1:])
  #print(tmp)
  num = str.end() - 1
  #print(num)
  line = line[num:]
 print(result)

結果為：