python re - 在一个大字符串中提取一个人的聊天文本

Question

我希望从一个大字符串中获取一个人的聊天文本，该字符串中还包含另一个人。其他人的聊天文本需要从字符串中删除。通常在简单的情况下会有标点符号或 \n 标记，但在这种情况下，除了对方的名字外，没有其他任何东西来显示聊天的结束。有时一个人会连续进行多次聊天。聊天文本字符串的示例如下(我正在寻找仅 Joe 的聊天):

Joe:嘿迈克，我想知道你今天在做什么 Joe:我很无聊。迈克:嘿乔不确定，你有什么计划吗？乔:我在考虑去看棒球比赛 乔:我需要离开家。迈克:听起来不错，那儿见!迈克:让我知道你什么时候离开

我最终需要的字符串是:

嘿迈克，我想知道你今天在做什么，我很无聊。我正在考虑去看棒球比赛，我需要离开家。

我对保留“Joe”标签的答案没有意见，我只是想不出一种方法来删除“Mike”标签和在 Python 中使用 re 聊天。谁能帮我解决这个问题？

Answer 1

您可以使用正则表达式来删除所有匹配大写字母、小写字母、然后是冒号的字符串，以及空字符串。

import re 
text = re.sub(r'[A-Z][a-z]+:', '', text)

我用来删除标签或某个人的最稳定的方法是在正则表达式上拆分

text = re.compile(r'([A-Z][a-z]+:)').split(text)[1:]

获取如下列表:

['Joe:', " hey mike i was wondering what you're doing today ", 'Joe:', ' im bored. ', 'Mike:', ' hey joe not sure, do you have any plans? ', 'Joe:', ' i was thinking about going to the baseball game ', 'Joe:', ' Ineed to get out of the house. ', 'Mike:', " Sounds good I'll meet you there! ", 'Mike:', " Let me know what time you're leaving"]

然后您可以迭代它并为每个其他元素的文本制作一个映射

map_ = {}
for i in range(1,len(text),2):
    map_[text[i-1]] = map_.get(text[i-1],'') + text[i]

获取演讲者与他们所有文本的映射。

{'Joe:': " hey mike i was wondering what you're doing today  im bored.  i was thinking about going to the baseball game  I need to get out of the house. ", 'Mike:': " hey joe not sure, do you have any plans?  Sounds good I'll meet you there!  Let me know what time you're leaving"}

然后你就可以用它做你想做的事了。