如何使用 python re 在文本中查找包含短语的句子？
How to find a sentence containing a phrase in text using python re?
我有一些文本是句子，一些是问题。我正在尝试创建一个正则表达式，它将仅提取包含特定短语的问题，即 'NSF' :
import re
s = "This is a string. Is this a question? This isn't a question about NSF. Is this one about NSF? This one is a question about NSF but is it longer?"
理想情况下，re.findall 会 return:
['Is this one about NSF?','This one is a question about NSF but is it longer?']
但我目前最好的尝试是：
re.findall('([\.\?].*?NSF.*\?)+?',s)
[". Is this a question? This isn't a question about NSF. Is this one about NSF? This one is a question about NSF but is it longer?"]
我知道我需要做一些非贪婪的事情，但我不确定我哪里搞砸了。
免责声明：答案不是针对通用的疑问句拆分解决方案，而是展示OP提供的字符串如何与正则表达式匹配。最好的解决方案是将文本标记为带有 nltk and parse sentences (see this thread) 的句子。
您可能希望对字符串使用的正则表达式（例如您发布的那个）是基于匹配所有不是最终标点符号的字符，然后匹配您希望出现在句子中的子字符串，然后匹配那些字符以外的字符又是最后的标点符号。要否定单个字符，请使用否定字符 类.
\s*([^!.?]*?NSF[^!.?]*?[?])
参见regex demo。
详情:
\s* - 0+ 个空格([^!.?]*?NSF[^.?]*?[?]) - 第 1 组捕获
[^!.?]*? - 除了 .、! 和 ? 之外的 0+ 个字符，尽可能少 NSF - 您需要出现的值，一个字符序列 NSF[^.?]*? - 同上[?] - 文字 ?（可以替换为 \?）
我有一些文本是句子，一些是问题。我正在尝试创建一个正则表达式，它将仅提取包含特定短语的问题，即 'NSF' :
import re
s = "This is a string. Is this a question? This isn't a question about NSF. Is this one about NSF? This one is a question about NSF but is it longer?"
理想情况下，re.findall 会 return:
['Is this one about NSF?','This one is a question about NSF but is it longer?']
但我目前最好的尝试是：
re.findall('([\.\?].*?NSF.*\?)+?',s)
[". Is this a question? This isn't a question about NSF. Is this one about NSF? This one is a question about NSF but is it longer?"]
我知道我需要做一些非贪婪的事情，但我不确定我哪里搞砸了。
免责声明：答案不是针对通用的疑问句拆分解决方案，而是展示OP提供的字符串如何与正则表达式匹配。最好的解决方案是将文本标记为带有 nltk and parse sentences (see this thread) 的句子。
您可能希望对字符串使用的正则表达式（例如您发布的那个）是基于匹配所有不是最终标点符号的字符，然后匹配您希望出现在句子中的子字符串，然后匹配那些字符以外的字符又是最后的标点符号。要否定单个字符，请使用否定字符 类.
\s*([^!.?]*?NSF[^!.?]*?[?])
参见regex demo。
详情:
\s*- 0+ 个空格([^!.?]*?NSF[^.?]*?[?])- 第 1 组捕获[^!.?]*?- 除了.、!和?之外的 0+ 个字符，尽可能少NSF- 您需要出现的值，一个字符序列NSF[^.?]*?- 同上[?]- 文字?（可以替换为\?）