请问各位大佬，咨询一下如何根据要处理的中英文混合语句构建正则表达式规则的问题

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 437 天前的主题，其中的信息可能已经有所发展或是发生改变。

op 由于工作需要，要处理本科毕业生的毕业论文上报 jyb 抽检。需要将学生的论文 pdf 文档中的摘要里面的关键词提取出来，再填充到 excel 表格里面。学生的关键词情况示例如下：

关键词:Python 多线程目标检测 Python Flask 框架

其中，
（ 1 ）关键词后面的冒号，有的学生没有，有的学生有
（ 2 ）关键词最多 6 个，有的学生可能只有 3 个
（ 3 ）关键词之间有 1-4 个空格
（ 4 ）关键词的最后结束应该是换行符\n ，这个不确定，我查了资料应该是换行符。

请问规则该怎么写呢？

关键词

换行符

Python

学生

2 条回复 • 2023-09-12 16:57:04 +08:00

lDqe4OE6iOEUQNM7

2023-09-12 16:42:22 +08:00

import re

text = "关键词:Python 多线程目标检测 Python Flask 框架"

pattern = r'关键词[:：]?\s*([^：\n]+)(?:[:：]\s*([^：\n]+))?(?:[:：]\s*([^：\n]+))?(?:[:：]\s*([^：\n]+))?(?:[:：]\s*([^：\n]+))?(?:[:：]\s*([^：\n]+))?\s*\n'

matches = re.search(pattern, text)

if matches:
# 提取关键词
keywords = [match.strip() for match in matches.groups() if match]
print(keywords)
else:
print("未匹配到关键词")

Takizawa

2023-09-12 16:57:04 +08:00

@James2099 谢谢大佬。其实还有个关键问题就是，我是需要一个一个打开本地目录的 pdf 文件，再从里面拿到“关键词:Python 多线程目标检测 Python Flask 框架”这句话，然后再做提取分割的。请问怎么自动拿到这句话啊？也就是怎么生成最开始 text 这个变量？

请问各位大佬，咨询一下如何根据要处理的中英文混合语句 构建正则表达式规则的问题

请问各位大佬，咨询一下如何根据要处理的中英文混合语句构建正则表达式规则的问题