正则表达式提取匹配单词周围的一定数量的单词

Question

我正在寻找一种方法来搜索找到的匹配项周围的单词，但它们对我的情况来说太复杂了。我需要的只是一个正则表达式的声明来抓取，比方说10，匹配单词之前和之后的单词。有人能帮我设置一个模式吗？

例如，让我们接受句子（没有意义）：

    sentence = "The hairy yellow, stinkin' dog, sat round' the c4mpfir3 and ate the brown/yellow smore's that the kids(*adults) were makin."

并且假设我们希望在smore之前和之后匹配3个单词（已经清理匹配）。输出将是：

   "ate the brown/yellow smore's that the were"

现在让我们举一个想要在stinkin'之前和之后取一个单词的例子：

   "yellow, stinkin' dog"

另一个例子。 “SAT”：

   "yellow, stinkin' dog, round' the and

现在让我们开一个新句子：

   sentence = "If the problem is still there after 30 minutes. Give up"

如果我试图匹配那里的单词，并在输出之前和之后取2个单词：

   "is still there after minutes"

我知道它不是10，但我认为你得到了榜样？如果没有，请告诉我，我会提供更多。当我做到这一点时，我意识到我想要的比我原先想象的要多得多。我对正则表达式很新，但我会给这个模式一个镜头。

    ('[a-zA-Z\'.,/]{3}(word_to_match)[a-zA-Z\'.,/]{3}')

由于

Answer 1

此正则表达式将帮助您入门

((?:\w*\s*){2})\s*word3\s*((?:\s*\w*){2})

第1组将具有目标之前的单词，第2组将具有

之后的单词

在示例中，我选择捕获2个单词，但您可以随意调整。

让我知道它是如何进行的，以及它是否适用于您的输入。

您可以通过阅读此简短建议http://worksol.be/regex.html

来改善您的问题

Answer 2

这是“单词”的可能定义：一串非空格字符。这是另一个：一串字母和数字，但没有标点符号。 Python为两者提供了方便的快捷方式。

\w是具有第二个含义（字母和数字）的任何“单词”字符，\W是任何其他字符。像这样使用它：

m = re.search(r'((\w+\W+){0,4}grab(\W+\w+){0,4})', sentence)
print m.groups()[0]

如果您更喜欢第一个定义，只需使用\S（任何不是空格的字符）和\s（任何空格字符）：

re.search(r'((\S+\s+){0,4}grab(\s+\S+){0,4})', sentence)

你会注意到我之前和之后都匹配零到四个单词。这样，如果你的单词在句子中排在第三位，你仍然会得到一个匹配。 （搜索是“贪婪的”所以如果可能的话，你总会获得四个。）