正则表达式单词中的单词与全阻

Question

我遇到麻烦匹配字符串与正则表达式（我没有经验与正则表达式）。我有一个字符串，其中包含每个单词和标签后面的正斜杠。举个例子：

led/O by/O Timothy/PERSON R./PERSON Geithner/PERSON ,/O the/O president/O of/O the/O New/ORGANIZATION

在这些字符串，我只是在这之前/PERSON所有字符串感兴趣。下面是我想出了正则表达式模式：

(\w)*\/PERSON

而且我的代码：

match = re.findall(r'(\w)*\/PERSON', string) 

基本上，我匹配/PERSON之前出现的单词。输出：

>>> reg 
['Timothy', '', 'Geithner'] 

我的问题是，第二场比赛，匹配到一个空字符串作为R./PERSON，点不是单词字符。我改变了我的正则表达式来：

match = re.findall(r'(\w|.*?)\/PERSON', string) 

但比赛现在是：

['led/O by/O Timothy', ' R.', ' Geithner']

这是第一个/人，其中包括led/O by/O，而不是只匹配Timothy之前采取一切。有人可以帮助我如何做这个匹配，而包括一个完整的中止作为一个缩写？或者至少，没有一个空字符串匹配？

感谢，

Answer 1

比赛的一切，但一个空格字符（[^ ]*）。您还需要捕捉里面的明星（*）：

match = re.findall(r'([^ ]*)\/PERSON', string) 

Answer 2

首先，(\w|.)匹配“单词字符，或任何字符”（点这就是为什么你得到那些空间匹配任何字符）。

逃离这个用反斜杠将这样的伎俩：(\w|\.)

其次，@Ionut Hulub指出，你可能需要使用+而不是*确保你匹配东西不过正则表达式的工作原理“最左边，最长”，所以它总是会尝试匹配斜线前的最长部分。

如果你想匹配你可以使用\S代替(\w|\.)，这实际上可能是你想要的任何非空白字符。