python - 正则表达式匹配第一个和最后一个单词或任何单词

Question

我有一个巨大的文件，其中包含如下数据列表:

 #fabulous       7.526   2301    2
 #excellent      7.247   2612    3
 #superb 7.199   1660    2
 #perfection     7.099   3004    4
 #terrific       6.922   629     1

我有一个包含如下句子列表的文件:

Terrific Theo Walcott is still shit, watch Rafa and Johnny deal with him on Saturday.
its not that I'm a GSP fan, fabulous
Iranian general says Israel's Iron Dome can't deal with their missiles 
with J Davlar 11th. Main rivals are team Poland. 

我想用正则表达式检查以下内容:

1. 如果每个句子中的第一个单词与文件中的任何单词匹配例如，如果 Terrific、its、Iranian、with 是否出现在文件中

2. 如果句子中的最后一个词匹配文件中的任何词例如，文件中是否出现 saturday, fabulous, missiles , Poland

3. 如果句子中单个单词的 2 或 3 个字符前缀和后缀匹配文件中的 2 或 3 个字符前缀和后缀例如，Ter、its、Ira、wi 是否匹配文件中任何 2 或 3 个单词前缀。同样适用于后缀。

我对正则表达式很陌生，我可以这样想，但没有得到结果:term2.lower() 是文件中的第一列

    wordanalysis["trail"] = found if re.match(sentence[-1],term2.lower()) else not(found)
    wordanalysis["lead"] = found  if re.match(sentence[0],term2.lower()) else not(found)

Answer 1

更新:根据@justhalf 的精彩建议，无需使用正则表达式来拆分单词。如果您想要区分大小写的匹配项，请删除 .lower()。

这将匹配数据列表中的第一个词和最后一个词(不包括任何标点符号或尾随空格):

(^\s?\w+\b|(\b\w+)[\.?!\s]*$)

匹配:

MATCH 1-1. Terrific
MATCH 2-1. Saturday.
        2. Saturday
MATCH 3-1. its
MATCH 4-1. fabulous
        2. fabulous
MATCH 5-1. Iranian
MATCH 6-1. missiles 
        2. missiles
MATCH 7-1. with
MATCH 8-1. Poland. 
        2. Poland

实现:

import re, string

sentences = open("sentences.txt").read().splitlines()
data = open("data.txt").read()
pattern = re.compile(r"(^\s?\w+\b|(\b\w+)[\.?!\s]*$)")
for line in sentences:
    words = line.strip().split()
    first = words[0].lower()
    last = words[-1].translate(None, string.punctuation).lower()
    if (re.search(first, data, re.I)):
        print "Found " + first + " in data.txt"
    if (re.search(last, data, re.I)):
        print "Found " + last + " in data.txt"

这可能不是最优雅的实现方式，但您明白了。

代码已经过测试并且可以工作，输出是:

Found Terrific in data.txt
Found fabulous in data.txt

另外这并没有达到您的第三个标准，请测试一下，看看到目前为止它是否对您有效。