python中使用正则表达式将所有符合条件的字段全部提取出来

　 短视频，自媒体，达人种草一站服务

这篇文章主要介绍了python中使用正则表达式将所有符合条件的字段全部提取出来,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下

问题如标题，使用正则表达式匹配字段目前无非就三种，分别是：

re.match()
re.search()
re.findall()

简单介绍一下，re.match()与re.search()非常类似，主要区别就是前者是从目标字符串的开头匹配，而后者则要没有这个要求。而re.findall()则是可以返回匹配的所有结果。但是有时候re.findall()返回的结果和前面两个并不一样，我们来看下面一个例子：

对于句子：

起病以来,患者无腰背痛、颈痛,无咽痛、口腔溃疡,无光过敏、脱发,无口干、眼干,无肢端发作性青紫,无肢体乏力,无浮肿、泡沫尿,精神、食欲、睡眠欠佳,近1月大便干结,5-6天1次,无腹痛、黑便、便血,小便1-2小时1次,无尿痛、血尿。体重未见明显变化。

我想使用正则去匹配所有包含小便和尿相关的子句，目的就是将“无浮肿、泡沫尿”和“小便1-2小时1次,无尿痛、血尿。”识别出来并且将这些子句返回。

本来我想使用re.findall()去匹配:

import re
lines = [
 "起病以来,患者无腰背痛、颈痛,无咽痛、口腔溃疡,无光过敏、脱发,无口干、眼干,无肢端发作性青紫,无肢体乏力,无浮肿、泡沫尿,精神、食欲、睡眠欠佳,近1月大便干结,5-6天1次,无腹痛、黑便、便血,小便1-2小时1次,无尿痛、血尿。体重未见明显变化。",
 ]
for line in lines:
 pattern = "[,;.，；。]+[^,;.，；。]*((小便)|尿)+[^,;.，；。]*[,;.，；。]+"
 str = re.findall(pattern,line)
 print(str)

结果为：

[('尿', ''), ('小便', '小便')]

这里说明一下我使用的模式的意义，因为我是要匹配子句，所以一个子句的前后必然会有相应的符号，所以pattern前面和后面均添加了“[,;.，；。]+”；“+”表示至少匹配一个。而后面的“[,;.，；。]*”表示匹配0个或多个除标点符号“,;.，；。”的任意字符，这里分别添加了中英文的逗号、分号和句号，“*”表示匹配0个或1个及以上。需要说明的是，这里我之所以使用“[,;.，；。]”，是因为文本中可能包含很多其他的符号，像上例中出现的“-”；所以想要使用汉字、数字、特定符号来匹配的话可能会存在遗漏，而我的目的是只想要得到匹配的子句，所以使用“[^,;.，；。]”会更通用一些。接下来就是“((小便)|尿)”意思是匹配含有“小便”或者含有“尿”的子串。

但是使用re.findall()所得到的结果并不是我想要的，于是我稍微换了一下匹配规则，将“((小便)|尿)+”换成了“[(小便)|尿]+”；为了验证匹配的适用性，我又添加了两个样本。总体如下：

import re
lines = [
 "起病以来,患者无腰背痛、颈痛,无咽痛、口腔溃疡,无光过敏、脱发,无口干、眼干,无肢端发作性青紫,无肢体乏力,无浮肿、泡沫尿,精神、食欲、睡眠欠佳,近1月大便干结,5-6天1次,无腹痛、黑便、便血,小便1-2小时1次,无尿痛、血尿。体重未见明显变化。",
 "起病以来,睡眠、胃纳正常,小便正常,近4~5年来每天解大便3~4次,多为黄褐色成形软便,偶有解烂便,有排便不尽感,便血、解黑便,无消瘦。",
 "身材矮小，体重较同龄人轻。"
]
for line in lines:
 pattern = "[,;.，；。]+[^,;.，；。]*[(小便)尿]+[^,;.，；。]*[,;.，；。]+"
 str = re.findall(pattern,line)
 print(str)

结果为：

[',无浮肿、泡沫尿,', ',近1月大便干结,', ',无腹痛、黑便、便血,', ',无尿痛、血尿。']

[',小便正常,', ',多为黄褐色成形软便,', ',有排便不尽感,']

[]

倒是匹配出了子句，一则是“小便1-2小时1次,无尿痛、血尿”中的“小便1-2小时1次”没有匹配出来，二则是竟然连大便相关的“近1月大便干结”和“无腹痛、黑便、便血”都匹配出来了，看来“[(小便)尿]”的意思并不是匹配含有“小便”或者“尿”的子串；那“[(小便)尿]”的意思是不是匹配含有“小”、“便”、“尿”任意一个的子串呢？但是根据第三个含有“小”但是不含“便”与“尿”的样本可以看出，上述的想法依然不对。

再加上re.findall()没有匹配到的子串在原始文本中的开始和结束位置，所以我想要得到“小便1-2小时1次,无尿痛、血尿。”这种两个子句连在一起的情况也很难得到。

于是我转而使用另一个很常用的re.search()方法。

import re
lines = [
 "起病以来,患者无腰背痛、颈痛,无咽痛、口腔溃疡,无光过敏、脱发,无口干、眼干,无肢端发作性青紫,无肢体乏力,无浮肿、泡沫尿,精神、食欲、睡眠欠佳,近1月大便干结,5-6天1次,无腹痛、黑便、便血,小便1-2小时1次,无尿痛、血尿。体重未见明显变化。",
]
for line in lines:
 pattern = "[,;.，；。]+[^,;.，；。]*((小便)|尿)+[^,;.，；。]*[,;.，；。]+"
 str = re.search(pattern, line)
 print(str.group())

结果为：

,无浮肿、泡沫尿,

可见，re.search()只匹配遇到的第一个满足条件的子串。

而如果将pattern中的“((小便)|尿)”修改为“[(小便)|尿]”(或者“[(小便)尿]”，意思是完全一样的，也试过)

得到的结果为：

,无浮肿、泡沫尿,

可见修改前后并没有任何变化，但是如果我将原始文本中的“无浮肿、泡沫尿”中的“尿”删除，则修改前的结果为：

,小便1-2小时1次,

修改后的结果为：

,近1月大便干结,

也就是说对于

pattern = "[,;.，；。]+[^,;.，；。]*[(小便)尿]+[^,;.，；。]*[,;.，；。]+"

无论是re.findall()还是re.search()，都能匹配到大便相关的子串；

而对于：

pattern = "[,;.，；。]+[^,;.，；。]*((小便)|尿)+[^,;.，；。]*[,;.，；。]+"

（编辑：青岛站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!