提取文本中匹配词左右指定数量的词语

Question

我在四处寻找一种方法来抓住一个找到的匹配词，但它们对我的情况来说太复杂了。我只需要一个regex语句来获取匹配单词前后的单词，比如10个。有人能帮我建立一个模式吗？在

例如，让我们来看看这个句子（没有意义）：

    sentence = "The hairy yellow, stinkin' dog, sat round' the c4mpfir3 and ate the brown/yellow smore's that the kids(*adults) were makin."

假设我们要在smore之前和之后匹配3个单词（已经清理以匹配）。输出将是：

^{pr2}$

现在让我们举一个例子，想在臭屁之前和之后用一个词：

   "yellow, stinkin' dog"

另一个例子。”周六：

   "yellow, stinkin' dog, round' the and

现在我们来做一个新句子：

   sentence = "If the problem is still there after 30 minutes. Give up"

如果我试图匹配那里的单词，并在输出前后各取两个单词：

   "is still there after minutes"

我知道不是10，但我想你明白了吗？如果没有，让我知道，我会提供更多。当我做这个的时候，我意识到我想要的比我原来想象的要多。我对regex还是个新手，但我要尝试一下这种模式。在

    ('[a-zA-Z\'.,/]{3}(word_to_match)[a-zA-Z\'.,/]{3}')

谢谢

Answer 1

你可以开始使用regex

((?:\w*\s*){2})\s*word3\s*((?:\s*\w*){2})

第一组在你的目标之前有单词，第二组有后面的单词

在这个例子中，我选择捕捉2个单词，但是你可以随意调整它。在

让我知道它如何进行，如果它对你的输入有效。在

你可以通过阅读这个简短的建议来改进你的问题http://worksol.be/regex.html

{1美元^

Answer 2

下面是“word”的一个可能的定义：一个非空格字符的字符串。还有一个：一串字母和数字，但没有标点符号。Python为两者提供了方便的快捷方式。在

\w是具有第二个含义的任何“单词”字符（字母和数字），而\W是任何其他字符。这样使用：

m = re.search(r'((\w+\W+){0,4}grab(\W+\w+){0,4})', sentence)
print m.groups()[0]

如果您喜欢第一个定义，只需使用\S（任何不是空格的字符）和\s（任何空格字符）：

^{pr2}$

你会注意到我在前后匹配了0到4个单词。这样，如果你的单词在句子中是第三个，你仍然可以得到一个匹配。（搜索是“贪婪的”，所以如果可能的话，你总能得到4个）。在