使用正则表达式为列表python中的每个单词捕获包含单词的句子

Question

我正在使用 python 和正则表达式来尝试获取包含一系列 pandas df 中每个单词的特定单词的推文列表中的所有句子。我的 dfstocks_df包含某些股票名称，例如  Symbol0   $GSX1  $NVDA2  $MBRX5  $BBBY6   $DIS我想要包含这些字符串的推文中的所有句子。我尝试的解决方案遵循我遇到的另一个正则表达式问题：Key error when using regex quantifier python然而，我的解决方案主要是在句子的开头抓取句子的符号，如果在句子的中间则不抓取它。它似乎也只匹配符号而没有得到句子的其余部分。我的代码是这样的：pattern2 = r'(?:{}) (?:[^.]*[^.]*\.)'.format("|".join(map(re.escape, stocks_df['Symbol'])))有谁明白为什么没有匹配完整的句子？

Answer 1

如果你不必处理缩写和其他混乱的格式，你可以使用匹配这些字符串

r'[^.?!]*(?:{})\b[^.?!]*[.?!]'.format("|".join(map(re.escape, stocks_df['Symbol'])))

该模式看起来[^.?!]*(?:\$GSX|\$NVDA|...)\b[^.?!]*[.?!]会匹配

• [^.?!]*!- 除了,?和之外的0 个或更多字符.

• (?:\$GSX|\$NVDA)- 符号栏中的一个词

• \b- 需要整个单词，\b是单词边界

• [^.?!]*!- 除了,?和之外的0 个或更多字符.

• [.?!]- 一个?，!或.