正则表达式根据匹配字符串提取完整词库

Question

有人能帮我吗？这里我试着从给定的句子中提取单词，其中包含G，ML，KG，L，ML，PCS和数字。 我可以匹配字符串，但不确定如何提取comlpete单词

例如，我的输入是“此数据包包含250G日期”，输出应该是250G 另一个例子是“你买了2公斤苹果”，产量应该是2公斤

在正则表达式中，我只得到匹配字符串，而不是完整的单词：（

import re
val = 'FUJI ALUMN FOIL CAKE, 240G, CHCLTE'
key_vals = ['G','GM','KG','L','ML','PCS']
re.findall("\d+\.?\d*(\s|G|KG|GM|L|ML|PCS)\s?", val)

Answer 1

使用非分组括号(?:…)代替普通括号。不分组括号findall返回与整个模式匹配的字符串

Answer 2

此正则表达式无法满足您的需要：

re.findall("\d+\.?\d*(\s|G|KG|GM|L|ML|PCS)\s?", val)

让我们把它分解一下：

• \d+：一个或多个数字
• \.?：一个点（可选，如问号所示）
• \d*：一个或多个可选数字
• (\s|G|KG|GM|L|ML|PCS)：一组备选方案，但空格是其中的一个选项，它应该在组外：您可能想要的是允许数字和单位之间的可选空格，即：240G或240G
• \s?:可选空白

更好的表达方式可以是：

re.findall("\d+\s*(?:G|KG|GM|L|ML|PCS)", val)

这意味着：一个或多个数字，后跟可选空格，然后是以下任一单位：G | KG | GM | L | ML | PCS

注意?:的存在表示非捕获组。如果没有它，表达式将返回G

Answer 3

尝试使用此正则表达式：

\d+\s*(G|KG|GM|L|ML|PCS)\s?

它匹配以至少一个数字开头的每个字符串，然后后跟一个单位。数字和单位之间以及单位后面也可以有空格

按照您想要的方式进行调整：）