問題如標(biāo)題，使用正則表達(dá)式匹配字段目前無非就三種，分別是：

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

簡單介紹一下，re.match()與re.search()非常類似，主要區(qū)別就是前者是從目標(biāo)字符串的開頭匹配，而后者則要沒有這個要求。而re.findall()則是可以返回匹配的所有結(jié)果。但是有時候re.findall()返回的結(jié)果和前面兩個并不一樣，我們來看下面一個例子：對于句子：

起病以來,患者無腰背痛、頸痛,無咽痛、口腔潰瘍,無光過敏、脫發(fā),無口干、眼干,無肢端發(fā)作性青紫,無肢體乏力,無浮腫、泡沫尿,精神、食欲、睡眠欠佳,近1月大便干結(jié),5-6天1次,無腹痛、黑便、便血,小便1-2小時1次,無尿痛、血尿。體重未見明顯變化。

我想使用正則去匹配所有包含小便和尿相關(guān)的子句，目的就是將“無浮腫、泡沫尿”和“小便1-2小時1次,無尿痛、血尿。”識別出來并且將這些子句返回。本來我想使用re.findall()去匹配:

import relines = [ '起病以來,患者無腰背痛、頸痛,無咽痛、口腔潰瘍,無光過敏、脫發(fā),無口干、眼干,無肢端發(fā)作性青紫,無肢體乏力,無浮腫、泡沫尿,精神、食欲、睡眠欠佳,近1月大便干結(jié),5-6天1次,無腹痛、黑便、便血,小便1-2小時1次,無尿痛、血尿。體重未見明顯變化。', ]for line in lines: pattern = '[,;.，；。]+[^,;.，；。]*((小便)|尿)+[^,;.，；。]*[,;.，；。]+' str = re.findall(pattern,line) print(str)

結(jié)果為：

[(’尿’, ’’), (’小便’, ’小便’)]

這里說明一下我使用的模式的意義，因為我是要匹配子句，所以一個子句的前后必然會有相應(yīng)的符號，所以pattern前面和后面均添加了“[,;.，；。]+”；“+”表示至少匹配一個。而后面的“[,;.，；。]*”表示匹配0個或多個除標(biāo)點(diǎn)符號“,;.，；。”的任意字符，這里分別添加了中英文的逗號、分號和句號，“*”表示匹配0個或1個及以上。需要說明的是，這里我之所以使用“[,;.，；。]”，是因為文本中可能包含很多其他的符號，像上例中出現(xiàn)的“-”；所以想要使用漢字、數(shù)字、特定符號來匹配的話可能會存在遺漏，而我的目的是只想要得到匹配的子句，所以使用“[^,;.，；。]”會更通用一些。接下來就是“((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()所得到的結(jié)果并不是我想要的，于是我稍微換了一下匹配規(guī)則，將“((小便)|尿)+”換成了“[(小便)|尿]+”；為了驗證匹配的適用性，我又添加了兩個樣本。總體如下：

import relines = [ '起病以來,患者無腰背痛、頸痛,無咽痛、口腔潰瘍,無光過敏、脫發(fā),無口干、眼干,無肢端發(fā)作性青紫,無肢體乏力,無浮腫、泡沫尿,精神、食欲、睡眠欠佳,近1月大便干結(jié),5-6天1次,無腹痛、黑便、便血,小便1-2小時1次,無尿痛、血尿。體重未見明顯變化。', '起病以來,睡眠、胃納正常,小便正常,近4~5年來每天解大便3~4次,多為黃褐色成形軟便,偶有解爛便,有排便不盡感,便血、解黑便,無消瘦。', '身材矮小，體重較同齡人輕。']for line in lines: pattern = '[,;.，；。]+[^,;.，；。]*[(小便)尿]+[^,;.，；。]*[,;.，；。]+' str = re.findall(pattern,line) print(str)

結(jié)果為：

[’,無浮腫、泡沫尿,’, ’,近1月大便干結(jié),’, ’,無腹痛、黑便、便血,’, ’,無尿痛、血尿。’][’,小便正常,’, ’,多為黃褐色成形軟便,’, ’,有排便不盡感,’][]

倒是匹配出了子句，一則是“小便1-2小時1次,無尿痛、血尿”中的“小便1-2小時1次”沒有匹配出來，二則是竟然連大便相關(guān)的“近1月大便干結(jié)”和“無腹痛、黑便、便血”都匹配出來了，看來“[(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”任意一個的子串呢？但是根據(jù)第三個含有“小”但是不含“便”與“尿”的樣本可以看出，上述的想法依然不對。再加上re.findall()沒有匹配到的子串在原始文本中的開始和結(jié)束位置，所以我想要得到“小便1-2小時1次,無尿痛、血尿。”這種兩個子句連在一起的情況也很難得到。于是我轉(zhuǎn)而使用另一個很常用的re.search()方法。

import relines = [ '起病以來,患者無腰背痛、頸痛,無咽痛、口腔潰瘍,無光過敏、脫發(fā),無口干、眼干,無肢端發(fā)作性青紫,無肢體乏力,無浮腫、泡沫尿,精神、食欲、睡眠欠佳,近1月大便干結(jié),5-6天1次,無腹痛、黑便、便血,小便1-2小時1次,無尿痛、血尿。體重未見明顯變化。',]for line in lines: pattern = '[,;.，；。]+[^,;.，；。]*((小便)|尿)+[^,;.，；。]*[,;.，；。]+' str = re.search(pattern, line) print(str.group())

結(jié)果為：

,無浮腫、泡沫尿,

可見，re.search()只匹配遇到的第一個滿足條件的子串。而如果將pattern中的“((小便)|尿)”修改為“[(小便)|尿]”(或者“[(小便)尿]”，意思是完全一樣的，也試過)得到的結(jié)果為：

,無浮腫、泡沫尿,

可見修改前后并沒有任何變化，但是如果我將原始文本中的“無浮腫、泡沫尿”中的“尿”刪除，則修改前的結(jié)果為：

,小便1-2小時1次,

修改后的結(jié)果為：

,近1月大便干結(jié),

也就是說對于

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

無論是re.findall()還是re.search()，都能匹配到大便相關(guān)的子串；而對于：

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

re.findall()和re.search()匹配的子串就有所區(qū)別了，前置匹配的結(jié)果是含有元組的列表：[(‘尿’, ‘’), (‘小便’, ‘小便’)]；而后者匹配到了我想要的子串：,無浮腫、泡沫尿,后來問了同事以及進(jìn)一步了解了正則的運(yùn)行機(jī)制后，發(fā)現(xiàn)小括號()除了提取匹配的字符串，還有一個作用是用來捕獲分組的，也就是說小括號中的內(nèi)容匹配后會被存儲起來，在調(diào)用的時候便會返回相應(yīng)的值。而使用re.findall()時會將存儲分組的值全部返回。再舉個例子會更加明白些，將上述pattern中的“((小便)|尿)”改為“((小便)|(尿))”，如：

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

使用re.findall()輸出的結(jié)果為：

[(’尿’, ’’, ’尿’), (’小便’, ’小便’, ’’)]

由上可知，“((小便)|(尿))”使用了三個“()”,于是便產(chǎn)生了三個分組，在最外圍的第一個分組用于捕獲“小便”或“尿”，原文中“小便”和“尿”都能匹配到，所以第一個位置兩者都有；第二個分組是用來捕獲“(小便)”的，所以第二個分組只存儲“小便”；同理第三個分組用來捕獲“(尿)”的，所以結(jié)果只存儲了“尿”。而我使用re.search()來輸出分組結(jié)果：

for line in lines: pattern = '[,;.，；。]+[^,;.，；。]*((小便)|(尿))+[^,;.，；。]*[,;.，；。]+' str = re.search(pattern, line) print(str.group(0)) print(str.group(1)) print(str.group(2)) print(str.group(3))

結(jié)果為：

,無浮腫、泡沫尿,尿None尿

group(1)、group(2)、group(3)分別與(‘尿’, ‘’, ‘尿’)中對應(yīng)的分組結(jié)果相同。但是這里的group(0)(或者說group(),兩個意思完全一樣)卻不是“(‘尿’, ‘’, ‘尿’)”；這里作者水平有限，不是很清楚原因，也就是說，當(dāng)調(diào)用group(0)的時候，pattern中的()的意義并不再是捕獲分組了，而是回到了原始的提取匹配字符串的意思上來了。為了解決

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

會匹配到不想要的含有“大便”字符串的問題，通過使用非捕獲分組(?:)便可以達(dá)到目的。

pattern = '[,;.，；。]?[^,;.，；。]*(?:小便|尿)[^,;.，；。]*[,;.，；。]'

此時便是匹配“小便”或者“尿”了；結(jié)果為：

[’,無浮腫、泡沫尿,’, ’,小便1-2小時1次,’, ’無尿痛、血尿。’]

注意上述結(jié)果，由于“,小便1-2小時1次,”和“無尿痛、血尿。”是緊接著的，而逗號已經(jīng)被分配給了前者，所以后者便沒有了逗號，這看起了有點(diǎn)像字符串的切片，被切走了就沒了，所以這里在pattern中的第一個“[,;.，；。]”后面將“+”換成了“?”()意思的前面的字符出現(xiàn)0次或1次;當(dāng)然更進(jìn)一步可以優(yōu)化為：

pattern = '[,;.，；。]?[^,;.，；。]*(?:小便|尿).*?[,;.，；。]'

可以看到，將pattern中第二個“[^,;.，；。]”變?yōu)椤??”上述雖然將所有子句全部匹配并輸出了，但是相鄰的兩個子句還是分開輸出的，仍舊沒有達(dá)到我們想要的預(yù)期。于是對上述代碼進(jìn)行了改進(jìn)：

for line in lines: #pattern = '[,;.，；。]+[^,;.，；。]*[(’小便’)尿]+[^,;.，；。]*[,;.，；。]+' pattern = '[,;.，；。]?[^,;.，；。]*?(?:小便|尿).*?[,;.，；。]' #pattern = '[,;.，；。]?[^,;.，；。]*(?:小便|尿)[^,;.，；。]*[,;.，；。]' str = re.findall(pattern,line) ls = [’,’,’;’,’.’,’，’,’；’,’。’] for idx, text in enumerate(str): if text[0] not in ls: str[idx-1] += text str.remove(text) print(str)

結(jié)果為：

[’,無浮腫、泡沫尿,’, ’,小便1-2小時1次,無尿痛、血尿。’]

而如果使用re.search(),也是可以達(dá)到預(yù)期的，代碼如下：

for line in lines: result = [] num = -1 while line: #pattern = re.compile(r'[,;.，；。]+[^,;.，；。]*((小便)|尿)+[^,;.，；。]*[,;.，；。]+') #str = pattern.search(line) pattern = r'[,;.，；。]+[^,;.，；。]*((小便)|尿)+[^,;.，；。]*[,;.，；。]+' str = re.search(pattern,line) if str == None: break tmp = str.group() if str.start() == 0: result[-1] += tmp[1:] else: result.append(tmp[1:]) #print(tmp) num = str.end() - 1 #print(num) line = line[num:] print(result)

結(jié)果為：

[’無浮腫、泡沫尿,’, ’小便1-2小時1次,無尿痛、血尿。’]

到此這篇關(guān)于python中使用正則表達(dá)式將所有符合條件的字段全部提取出來的文章就介紹到這了,更多相關(guān)python 正則表達(dá)式提取字段內(nèi)容請搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)！