正则表达式（regex）保存senten的部分内容

Question

对于python和正则表达式，我一直在尝试找到一种方法来解析一个句子，这样我就可以把它的一部分分配给它们自己的变量。你知道吗

一个例子是：劳拉·康普顿，一位来自加利福尼亚州洛杉矶的股票经纪人

我的目标是：name=“Laura Compton”（这是最简单的一个，我可以瞄准锚链没有问题），position=“Stock Broker”，city=Los Angeles，state=California

我需要迭代的所有句子都遵循相同的模式，名称总是在锚定标记中，位置总是跟随，在结束锚定之后，有时它使用“a”或“an”，所以我想去掉这些。城市和国家总是遵循“从”这个词。你知道吗

Answer 1

您可以在模式中使用命名组来捕获子字符串，这使得引用子字符串更容易，而且这样做的代码更可读：

import re

data = ['Laura Compton, a Stock Broker from Los Angeles, California',
        'Miles Miller, a Soccer Player from Seattle, Washington']

pattern = (r'^(?P<name>[^,]+)\, an? (?P<position>.+) from '
           r'(?P<city>[^,]+)\, +(?P<state>.+)')

FIELDS = 'name', 'position', 'city', 'state'

for sentence in data:
    matches = re.search(pattern, sentence)
    name, position, city, state = matches.group(*FIELDS)
    print(', '.join([name, position, city, state]))

从样本data产生的输出：

Laura Compton, Stock Broker, Los Angeles, California
Miles Miller, Soccer Player, Seattle, Washington

A.M.Kuchling写了一篇很好的教程，题为Regular Expression HOWTO你应该退房。你知道吗

Answer 2

你可以试试这个：

import re
s = "Laura Compton, a Stock Broker from Los Angeles, California"
new_s = re.findall('^[a-zA-Z\s]+|(?<=a\s)[a-zA-Z\s]+(?=from)|(?<=an\s)[a-zA-Z\s]+(?=from)|(?<=from\s)[a-zA-Z\s]+(?=,)|(?<=,\s)[a-zA-Z\s]+$', s)
headers = ['name', 'title', 'city', 'state']
data = {a:b for a, b in zip(headers, new_s)}

输出：

{'city': 'Los Angeles', 'state': 'California', 'name': 'Laura Compton', 'title': 'Stock Broker '}