разделить строку с отрицательным шаблоном регулярных выражений

#regex #elasticsearch

#регулярное выражение #elasticsearch

Вопрос:

Я хочу разделить sting не буквенно-цифровыми символами, кроме определенного шаблона.

Пример :

 string_1 = "section (ab) 5(a)"
string_2 = "section -bd, 6(1b)(2)"
string_3 = "section - ac - 12(c)"
string_4 = "Section (ab) 5(1a)(cf) (ad)"
string_5 = "section (ab) 5(a) test (ab) 5 6(ad)"

я хочу разделить эти строки таким образом, чтобы я мог получить следующий вывод

 ["section", "ab", "5(a)"]
["section", "bd", "6(1b)(2)"]
["section", "ac", "12(c)"]
["section", "ab", "5(1a)(cf)", "ad"]
["section", "ab", "5(a)", "test", "ab, "5", "6(ad)"]

Чтобы быть более точным, я хочу разделить на все не алфавитно-цифровые символы, кроме этого d ([w()] ) шаблона .

Ответ №1:

Это может быть достигнуто в этом регулярном выражении внутри findall с помощью:

 bw (?:([^)]*))*

Демонстрация регулярных выражений

Код:

 >>> import re
>>> reg = re.compile(r'bw (?:([^)]*))*')
>>> arr = ['section (ab) 5(a)', 'section -bd, 6(1b)(2)', 'section - ac - 12(c)', 'Section (ab) 5(1a)(cf) (ad)', 'section (ab) 5(a) test (ab) 5 6(ad)']
>>> for el in arr:
...     print ( reg.findall(el) )
...
['section', 'ab', '5(a)']
['section', 'bd', '6(1b)(2)']
['section', 'ac', '12(c)']
['Section', 'ab', '5(1a)(cf)', 'ad']
['section', 'ab', '5(a)', 'test', 'ab', '5', '6(ad)']

1. но это не удаление () из string_1 . вывод string_1 должен быть ["section", "ab", "5(a)"] вместо ['section', '(ab)', '5(a)']

2. это применимо только для примеров строк, но оно не работает с section (ab) 5(a) test (ab) 5 or Section (ab) 5(1a)(cf) (ad) .извините, я думаю, мне следовало добавить больше примеров строк. я обновил свой вопрос дополнительными примерами

3. @Aninda: Это сработало или вам нужно только разделенное регулярное выражение?

4. на самом деле мне нужно разделенное регулярное выражение для Elasticsearch (pattern tokenizer), так findall что это не вариант для меня. ваше [()]?[^w()] ?[()]? регулярное выражение мне очень помогло, спасибо

5. о, тогда вы должны были пометить ее Elasticsearch вместо python или python3 , чтобы получить еще лучший ответ

Ответ №2:

Вы можете использовать

 d [w()] |w

Смотрите демонстрацию регулярных выражений.

Подробные сведения

d [w()] — 1 цифры, а затем 1 слово или ( или ) символы
| — или
w — символы 1 word.

В ElasticSearch используйте

 "tokenizer": {
  "my_tokenizer": {
    "type": "pattern",
    "pattern": "\d [\w()] |\w ",
    "group": 0
  }
}

1. я ищу одно регулярное выражение и не хочу использовать findall

2.@Aninda Здесь есть одно r'd [w()] |w ' регулярное выражение. А если нет re.findall , то какой метод вы планируете использовать (и зачем ограничивать его работу только с каким-то конкретным методом)? Обратите внимание, что здесь нет способа использовать re.split , потому что вы не можете пропускать последовательности шаблонов с re регулярным выражением. Однако это возможно с regex помощью модуля PyPI.

3. @Aninda Если вы используете подход разделения регулярных выражений PyPI, вы иногда будете получать пустые элементы на выходе, см. демонстрацию . Я бы предпочел придерживаться re.findall .

4. мне нужен этот шаблон регулярных выражений, потому что я буду использовать их с Elasticsearch (pattern tokenizer), так что нет re.findall для меня. хотя ваше регулярное выражение мне очень помогло, спасибо