使用python将字符串转换为所需标记的列表

Question

我有上千种产品的原料，例如：

Ingredient = 'Beef stock (beef bones, water, onion, carrot, beef meat, parsnip, thyme, parsley, clove, black pepper, bay leaf), low lactose cream (28%), onion, mustard, modified maize starch,tomato puree, modified potato starch, butter sugar, salt (0,8%), burnt sugar, blackcurrant, peppercorns (black, pink, green, all spice, white) 0,4%.'

我希望这种成分的形式如下：

listOfIngredients = ['Beef Stock', 'low lactose cream', 'onion', 'mustard', 'modified maize starch','tomato puree', 'modified potato starch', 'butter sugar', 'salt', 'burnt sugar', 'blackcurrant', 'peppercorns']

因此，在配料表中，我没有任何关于产品百分比的解释，甚至没有一种配料本身含有的其他产品。正则表达式是一个很好的方法，但我不擅长使正则表达式。有人能帮我制作正则表达式以获得所需的输出吗。提前谢谢。你知道吗

Answer 1

你可以尝试两种方法。你知道吗

第一种方法是删除所有(...)子字符串和任何不在,之后的子字符串（后面没有非单词边界）。你知道吗

\s*\([^()]*\)[^,]*(?:,\b[^,]*)*

参见regex demo

详细信息：

• \s*-0+空格
• \([^()]*\)-内部没有(和)的(...)子串：
  • \(-文字(
  • [^()]*-0+字符，而不是(和)（a [^...]是一个否定字符类）
• [^,]*-0+除,以外的字符
• (?:,\b[^,]*)*-零个或多个序列：
  • ,\b-后跟字母/数字/下划线的逗号
  • [^,]*-0+个字符，而不是,。你知道吗

删除这些匹配项，然后使用,\s*regex用逗号和0+空格分割字符串以获得最终结果。你知道吗

第二种是基于匹配和捕获仅由字母（和_）组成的单词，并且只匹配(...)子字符串。你知道吗

\([^()]*\)|([^\W\d]+(?:\s+[^\W\d]+)*)

参见second regex demo

详细信息：

• \([^()]*\)-一个(...)子串，内部没有(和)
• |-或
• ([^\W\d]+(?:\s+[^\W\d]+)*)-第1组：
  • [^\W\d]+-1+字母或下划线（您可以在\d之后添加_以排除下划线）
  • (?:\s+[^\W\d]+)*-0+序列：
    • \s+-1个或多个空格
    • [^\W\d]+-1+字母或下划线

对于当前字符串，两者都返回相同的结果，但以后可能需要对其进行调整。你知道吗

见Python demo：

import re
Ingredient = 'Beef stock (beef bones, water, onion, carrot, beef meat, parsnip, thyme, parsley, clove, black pepper, bay leaf), low lactose cream (28%), onion, mustard, modified maize starch,tomato puree, modified potato starch, butter sugar, salt (0,8%), burnt sugar, blackcurrant, peppercorns (black, pink, green, all spice, white) 0,4%.'
res = re.sub(r'\s*\([^()]*\)[^,]*(?:,\b[^,]*)*', "", Ingredient)
print(re.split(r',\s*', res))

vals = re.findall(r'\([^()]*\)|([^\W\d]+(?:\s+[^\W\d]+)*)', Ingredient)
vals = [x for x in vals if x]
print(vals)