我在打印字符串中所需的元素时遇到了一些问题,因为这些所需的元素响应不同的模式(在本例中,我将其简化为3 regex patterns).如下面的示例所示,目标是打印存储在substring_to_extract_1或/和substring_to_extract_2变量中的内容,并且这些信息提取必须按照它们在输入字符串中出现的顺序在控制台中打印(什么是棘手的,因为在Read循环中有3个模式需要判断)

import re

input_text = "quizas seria mejor ir de 06 00 am a 11 59 ya que me gusta viajar a esas horas" #example 1

finding loop:

    continue_comparing = True

    # 1) The least restrictive RegEx, not too restrictive but must be extracted by 2 substrings
    #    examples: "entre las 19hs y las 20 30", "entre las 18 y las 20", "entre la 1 y las 15hs"
    regex_1 = "(?:apartir de |de|entre |desde )\s*(?:las|la )\s*" substring_to_extract_1 "\s*(?:de la tarde|de la noche|de la mañana|)\s*(?:y las |y la |hasta las |hasta la |hasta )\s*" substring_to_extract_2 "\s*(?:de la tarde|de la noche|de la mañana|)"
    if (regex_2 == True and continue_comparing == True):
        print(repr(substring_to_extract_1))
        print(repr(substring_to_extract_2))
        continue_comparing = False
    
    # 2) The intermediate restrictive RegEx, but it must be indicated if it is "am" or "pm"
    #    examples:  "las 18:00am", "las 1800pm", "las 1800 p.m.", "las 08 00 am", "la 01 00 a.m.", "las 19 15 pm", "las 23 pm"
    regex_2 = "(?:las|la )\s*" substring_to_extract_1 "\s*(?:a.m.|a.m|am.|am|a m|p.m.|p.m|pm.|pm|p m)\s*(?:de la tarde|de la noche|de la mañana|)"
    if (regex_1 == True and continue_comparing == True):
        print(repr(substring_to_extract_1))
        continue_comparing = False

    # 3) The last and the most restrictive RegEx, it should only extract a substring like the first regex, but this requires that this substring be preceded by more things
    #    examples: "a las 17", "a las 6 y 15", "desde las 15 hs", "a las 15 y 45 hs", "hasta las 17 00", "antes de las 16:06"
    regex_3 = "(?:a eso de |a esas de |despues de |antes de |hasta |tipo |desde |apartir de |de |a )\s*(?:las|la )\s*" substring_to_extract_1 "\s*(?:de la tarde|de la noche|de la mañana|)"
    if (regex_3 == True and continue_comparing == True):
        print(repr(substring_to_extract_1))
        continue_comparing = False


在正则表达式模式中,我将提取数据的位置指示为substring_to_extract_1,但例如,对于第一个正则表达式,我认为类似于r'(\d{1,2}\s*(?::| )\s*\d{1,2}\s*(?:am|pm))'的内容可以工作.然后,我可以使用函数.groups()提取这些匹配

至于另外两个正则表达式,我不确定,因为它们在很大程度上取决于阅读循环的 struct .


一些可能要解析的输入字符串的示例:

Example 1:

input_text = "quizas seria mejor ir de 06 00 am a 11 59 ya que me gusta viajar a esas horas"

在这种情况下,您必须逐个提取以下子字符串,并按出现的顺序打印它们...

output that I need:个个个个个

"de 06 00 am"   <--- was extracted by the second regex pattern
"a 11 59"       <--- was extracted by the third regex pattern

Example 2:

input_text = "a eso de las 6 de la tarde o las 19 15 pm deberiamos estar alli, no crees? recuerda que desde las 15 hs ya empieza el evento, pero podemos estar alli antes de las 14 30 hs, aunque eso depende porque el show recien empezara entre las 15 hs y las 18pm"

output that I need:个个个个个

"de las 6 de la tarde"    <--- was extracted by the third regex pattern
"las 19 15 pm"            <--- was extracted by the second regex pattern
"desde las 15"            <--- was extracted by the third regex pattern
"de las 14 30"            <--- was extracted by the third regex pattern
"entre las 15"            <--- was extracted by the first regex pattern
"y las 18pm"              <--- was extracted by the first regex pattern

Example 3:

input_text = "Hay que estar presentes entre las 19hs y las 20 30 hs, y seguro salimos a las 23 pm"

output that I need:个个个个个

"entre las 19"            <--- was extracted by the first regex pattern
"y las 20 30"             <--- was extracted by the first regex pattern
"a las 23 pm"             <--- was extracted by the second regex pattern

Example 4:

input_text = "A las 19 salimos!! es importante llegar alla antes de las 20 30 hs"

output that I need:个个个个个

"A las 19"                <--- was extracted by the third regex pattern
"de las 20 30"            <--- was extracted by the third regex pattern

Example 5:

input_text = "A las 19:30 salimos!! es importante llegar alla antes de las 20 30 hs, ya que a las 21: pm cierran algunos negocios, sin embargo el cine esta abierto hasta las 23:30 pm de la noche"

output that I need:个个个个个

"A las 19:30"                    <--- was extracted by the third regex pattern
"de las 20 30"                   <--- was extracted by the third regex pattern
"a las 21: pm"                   <--- was extracted by the second regex pattern
"hasta las 23:30 pm de la noche" <--- was extracted by the second regex pattern

我应该如何读取输入的字符串?因此,我应该如何构造允许我们在这些情况下判断模式的代码块?

推荐答案

try (regex101):

import re

test_cases = [
    "a eso de las 6 de la tarde o las 19 15 pm deberiamos estar alli, no crees? recuerda que desde las 15 hs ya empieza el evento, pero podemos estar alli antes de las 14 30 hs, aunque eso depende porque el show recien empezara entre las 15 hs y las 18pm",
    "quizas seria mejor ir de 06 00 am a 11 59 ya que me gusta viajar a esas horas",
    "Hay que estar presentes entre las 19hs y las 20 30 hs, y seguro salimos a las 23 pm",
    "A las 19 salimos!! es importante llegar alla antes de las 20 30 hs",
]

pat = re.compile(
    r"\b(?:de las|entre las|desde las|y las|a las|las|de|a)\s+\d+(?:\s+\d+)?\s*(?:pm|am|de la tarde)?",
    flags=re.I,
)

for t in test_cases:
    x = pat.findall(t)
    print(t)
    print("-" * 80)
    print(*map(str.strip, x), sep="\n")
    print()

打印:

a eso de las 6 de la tarde o las 19 15 pm deberiamos estar alli, no crees? recuerda que desde las 15 hs ya empieza el evento, pero podemos estar alli antes de las 14 30 hs, aunque eso depende porque el show recien empezara entre las 15 hs y las 18pm
--------------------------------------------------------------------------------
de las 6 de la tarde
las 19 15 pm
desde las 15
de las 14 30
entre las 15
y las 18pm

quizas seria mejor ir de 06 00 am a 11 59 ya que me gusta viajar a esas horas
--------------------------------------------------------------------------------
de 06 00 am
a 11 59

Hay que estar presentes entre las 19hs y las 20 30 hs, y seguro salimos a las 23 pm
--------------------------------------------------------------------------------
entre las 19
y las 20 30
a las 23 pm

A las 19 salimos!! es importante llegar alla antes de las 20 30 hs
--------------------------------------------------------------------------------
A las 19
de las 20 30


编辑:将其保存为子字符串:

out = []
for t in test_cases:
    x = pat.findall(t)
    out.append(list(map(str.strip, x)))

print(out)

打印:

[
    [
        "de las 6 de la tarde",
        "las 19 15 pm",
        "desde las 15",
        "de las 14 30",
        "entre las 15",
        "y las 18pm",
    ],
    ["de 06 00 am", "a 11 59"],
    ["entre las 19", "y las 20 30", "a las 23 pm"],
    ["A las 19", "de las 20 30"],
]

编辑2:::

import re

test_cases = [
    "a eso de las 6 de la tarde o las 19 15 pm deberiamos estar alli, no crees? recuerda que desde las 15 hs ya empieza el evento, pero podemos estar alli antes de las 14 30 hs, aunque eso depende porque el show recien empezara entre las 15 hs y las 18pm",
    "quizas seria mejor ir de 06 00 am a 11 59 ya que me gusta viajar a esas horas",
    "Hay que estar presentes entre las 19hs y las 20 30 hs, y seguro salimos a las 23 pm",
    "A las 19 salimos!! es importante llegar alla antes de las 20 30 hs",
    "A las 19:30 salimos!! es importante llegar alla antes de las 20 30 hs, ya que a las 21: pm cierran algunos negocios, sin embargo el cine esta abierto hasta las 23:30 pm de la noche",
]

pat = re.compile(
    r"\b(?:de las|entre las|desde las|y las|a las|las|de|a)\s+\d+(?:[\s:]+)?(?:\d+)?\s*(?:pm|am|de la tarde)?",
    flags=re.I,
)

out = []
for t in test_cases:
    x = pat.findall(t)
    out.append(list(map(str.strip, x)))

print(out)

打印:

[
    [
        "de las 6 de la tarde",
        "las 19 15 pm",
        "desde las 15",
        "de las 14 30",
        "entre las 15",
        "y las 18pm",
    ],
    ["de 06 00 am", "a 11 59"],
    ["entre las 19", "y las 20 30", "a las 23 pm"],
    ["A las 19", "de las 20 30"],
    ["A las 19:30", "de las 20 30", "a las 21: pm", "las 23:30 pm"],
]

Python相关问答推荐

在Polars(Python库)中将二进制转换为具有非UTF-8字符的字符串变量

按顺序合并2个词典列表

Mistral模型为不同的输入文本生成相同的嵌入

C#使用程序从Python中执行Exec文件

形状弃用警告与组合多边形和多边形如何解决

什么是最好的方法来切割一个相框到一个面具的第一个实例?

将pandas导出到CSV数据,但在此之前,将日期按最小到最大排序

如何使regex代码只适用于空的目标单元格

如何在达到end_time时自动将状态字段从1更改为0

Python—压缩叶 map html作为邮箱附件并通过sendgrid发送

递归函数修饰器

mdates定位器在图表中显示不存在的时间间隔

如何获得3D点的平移和旋转,给定的点已经旋转?

在我融化极点数据帧之后,我如何在不添加索引的情况下将其旋转回其原始形式?

来自任务调度程序的作为系统的Python文件

如何将django url参数传递给模板&S url方法?

如何让PYTHON上的Selify连接到现有的Firefox实例-我无法连接到Marionette端口

在Django REST框架中定义的URL获得404分

`Convert_time_zone`函数用于根据为极点中的每一行指定的时区检索值

给定y的误差时,线性回归系数的计算误差