python：用正则表达式提取困惑的标点符号

我想从下面的twitter文本中提取困惑的标点符号（任意数字的组合！）。python：用正则表达式提取困惑的标点符号

string4 = 'on my god!!!!,I think he is right?!, but what about he!??, but me !!??, yes !?!?, and my god ?!?.'

我用下面的正则表达式：

p_excitement = re.compile(r'!{1,}\?{1,}') 

m = p_excitement2.findall(string4)

但结果是：

['!??', '!!??', '!?', '!?', '!?']

这是错误的。我希望得到以下结果（请注意，我想任何疑惑标点符号不只是下面的文字）：

['?!', '!??', '!!??', '!?!?', '?!?']

感谢您的帮助！

来源

2016-09-27 tktktk0711

普莱斯考虑接受所提供的正确答案第一。 –

你可以去为新regex module和使用

(([?!.])\2{1,})(*SKIP)(*FAIL)|[?!.]+

见a demo here。

在 Python：

import regex as re 

string = "on my god!!!!,I think he is right?!, but what about he!??, but me !!??, yes !?!?, and my god ?!?." 

rx = re.compile(r'(([?!.])\2{1,})(*SKIP)(*FAIL)|[?!.]+') 
matches = [match.group(0) 
      for match in rx.finditer(string) 
      if match] 
print(matches) 
# ['?!', '!??', '!?!?', '?!?.']

来源

2016-09-27 08:23:52 Jan

感谢您的意见。我更新了我的问题，其中'!!!'被添加，我不想提取！ – tktktk0711

@ tktktk0711：为什么不呢？这里的规则是什么？ – Jan

感谢您的意见@Jan。我很抱歉忘了添加!!!到'!!!'之后的文字在文中。我只是想从文字 – tktktk0711

您可以使用

[?!]*(?:\!+\?+|\?+\!+)+[?!]*

见regex demo

详细：

[?!]* - 零个或更多?或!
(?:\!+\?+|\?+!+)+ - 1个或多个的
- \!+\?+ - 1+ !秒，然后用1 + ?小号
- | - 或
- \?+!+ - 1+ ? s followed with 1+！单曲
[?!]* - 零个或更多?或!

Python demo：

import re 
p = re.compile(r'[?!]*(?:\!+\?+|\?+\!+)+[?!]*') 
s = "on my god!!!!,I think he is right?!, but what about he!??, but me !!??, yes !?!?, and my god ?!?." 
print(p.findall(s)) 
# => ['?!', '!??', '!!??', '!?!?', '?!?']

来源

2016-09-27 08:26:06

供参考：'（？：\！+ \？+ | \？+ \！+）+'部分*需要连续的'！'和'？'s或' ？和'！'在序列中出现至少一次以匹配它。由于正则表达式在're.findall'中使用，所以'（？：...）'非捕获组很方便。 –

感谢@WiktorStribiżew，看起来你是对的（？：\！+ \？+ | \？+！+）+。我正在确认它。 – tktktk0711

正则表达式：

((?:\!+\?+)+!*|(?:\?+!+)+\?*)

(?:\!+\?+)+!*与!开始，并且可以结束于?
(?:\?+!+)+\?*的[!?]任意组合，与?开始和[!?]任何组合可以结束于!

Live demo

来源

2016-09-27 08:36:20 revo

谢谢@revo，我也在确认它 – tktktk0711

python：用正则表达式提取困惑的标点符号

回答

相关问题