正则表达式-将一段话隔开为两个list，此中一个为标签list，一个为文本list ...

1. import re
3. def extract_labels_and_contents(text):
4.     # 构建正则表达式模式
5.     pattern = re.compile(r'(\[FAC\]|\[ADV\]|\[SUP\]|\[RES\]|\[ANA\]|\[EXP\])(.*?)(?=\[FAC\]|\[ADV\]|\[SUP\]|\[RES\]|\[ANA\]|\[EXP\]|\Z)', re.DOTALL)
8.     # 查找所有匹配的标签和内容
9.     matches = pattern.findall(text)
11.     # 将标签和中间内容分别存储在两个列表中
12.     found_labels = []
13.     contents = []
15.     for match in matches:
16.         found_labels.append(match[0])
17.         contents.append(match[1].strip())
19. #     print("Found Labels:", found_labels)
20. #     print("Contents:", contents)
21.     combined_list = [{"text": text, "speaker": "sys", "strategy": label} for label, text in zip(found_labels, contents)]
22.    
23.     return combined_list
25. # 示例文本
26. text = """
27. [SUP]您好，给您一个温暖的抱抱。[ANA]您这样是对的。
28. """
30. # 调用函数并打印结果
31. result = extract_labels_and_contents(text)
32. print(result)

复制代码

重点在于正则表达式

1. pattern = re.compile(r'(\[FAC\]|\[ADV\]|\[SUP\]|\[RES\]|\[ANA\]|\[EXP\])(.*?)(?=\[FAC\]|\[ADV\]|\[SUP\]|\[RES\]|\[ANA\]|\[EXP\]|\Z)', re.DOTALL)

复制代码

 
在这个改进的正则表达式 (\[FAC\]|\[ADV\]|\[SUP\]|\[RES\]|\[ANA\]|\[EXP\])(.*?)(?=\[FAC\]|\[ADV\]|\[SUP\]|\[RES\]|\[ANA\]|\[EXP\]|\Z) 中：

• (\[FAC\]|\[ADV\]|\[SUP\]|\[RES\]|\[ANA\]|\[EXP\]) 匹配标签。
  
• (.*?) 非贪婪地匹配标签后的内容。
  
• (?=\[FAC\]|\[ADV\]|\[SUP\]|\[RES\]|\[ANA\]|\[EXP\]|\Z) 确保匹配到下一个标签开始的位置或文本末尾，\Z表现文本末尾。
  

这种方式可以确保匹配所有标签及其对应的内容。


免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。