在python中，如何在选定的子字符串之前只搜索一个单词

Question

给定一个文本文件中的一长行列表，我只想返回紧靠在前面的子字符串，例如单词dog（描述dog的单词）。例如，假设这些行包含dog：

“hotdog” “big dog” “is dogged” “dog spy” “with my dog” “brown dogs”

在这种情况下，期望的结果只有“大”“我的”“棕色”

我使用了这个python脚本

^{pr2}$

这将返回“with my”和“big”

所以这里我不会得到“brown”，我得到了所有的“with my”

如何在dog之前只指定一个单词（显然，我不能在(.+?)之前加一个空格，因为这样我将排除“big”和{}，因为它们在一行的开头）？在

我怎样才能只指定一个字符在dog后面，例如“s”只得到dogs和dog之前的单词而不是dogged？在

在完美的情况下，我也希望能够指定要排除的结果，例如“my”。在

非常感谢

Answer 1

只需按空格将行拆分为一个数组，然后就可以在数组中找到dog并在其前面打印元素。在

with open('titles_500subset.txt') as searchfile:
    for line in searchfile:
        words = line.lower().split()
        if 'dog' in words[1:]:
            print words[words.index('dog')-1]

如果你想让它每行检测到多个狗，那就需要多一点，但是如果空格对你来说很重要的话，它就可以更简单地获取某些单词。在

同样，我这样做的方式会使整个文档变为小写，因此如果您不希望它那样工作，您需要为此添加额外的检查。在

我改变了if条件来检查它是否发现“Dog”的索引大于零，因此它可以有效地检查Dog是否存在，并确保它不在句子的开头。（如果它在0处找到dog，则在-1处查找前面的单词，这意味着它从该行中取最后一个单词，这是不希望的行为）

如果要检查多个关键字：

^{pr2}$

只需在关键字列表中添加任何你想搜索的单词。在

Answer 2

您可以使用positive look ahead：

\w+(?=\s(dog|dogs)\b)

Demo

此正则表达式将匹配长度为1或更大且后跟单个whitspace和dog或{}的任何单词。在

注意您只能使用没有单词边界的\w+(?=\sdog)，因此它也将匹配is中的is！在

在你的代码中：

^{pr2}$

Answer 3

您可以对整个文本运行正则表达式，而不是在每行上运行它。试试这个：

import re
with open('titles_500subset.txt') as searchfile:
    text = searchfile.read()
    d = re.findall('([^ \r\n]+) dogs?([\r\n]| |$)', text, re.IGNORECASE)
    for result in d:
            print result[0]

---

正则表达式解释：

• ([^ \r\n]+)查找不是空格或换行符的内容（一个或多个字符）
• 后跟空格字符
• dog后跟“dog”
• s?后跟可选的“s”
• ^{cd3>或者从新的一行中选择一个空格