gpt-4.1-mini-2025-04-14· OpenAI
WildChat-4.8M (AI2)
python代码 输入关键词后边的值直接到后边冒号的关键词,如果后边没有关键词就都取,例如:'所属行业:工程施工 单位规模:2000-5000人' 输入关键词:所属行业…
- User
python代码 输入关键词后边的值直接到后边冒号的关键词,如果后边没有关键词就都取,例如:'所属行业:工程施工 单位规模:2000-5000人' 输入关键词:所属行业 返回:工程施工
- Assistant
你想实现的功能是:输入一个字符串和一个关键词,提取该关键词后面对应的值(直到下一个关键词之前的内容,如果后面没有关键词就取到字符串结尾)。
下面是一个示例实现:
import re def extract_value(text, keyword): # 构造匹配模式:关键词后跟冒号,然后匹配非关键词的内容,直到遇到下一个关键词冒号或者字符串末尾 # 假设关键词格式都是“关键词:内容”,内容中不含 冒号后的关键词 pattern = re.compile(rf'{re.escape(keyword)}:(.*?)(?=\s+\S+?:|$)') match = pattern.search(text) if match: return match.group(1).strip() else: return None text = '所属行业:工程施工 单位规模:2000-5000人' keyword = '所属行业' value = extract_value(text, keyword) print(value) # 输出:工程施工说明
rf'{re.escape(keyword)}:(.*?)(?=\s+\S+?:|$)':- 匹配关键词加冒号
keyword: - 然后最少量匹配
(.*?),直到遇到 (?=\s+\S+?:|$)断言:空格+非空白字符+冒号(下一个关键词) 或字符串结尾
- 匹配关键词加冒号
.strip()去除两边空白
你只需输入完整字符串和关键词,即可获得对应值。
- User
不使用正则
- Assistant
当然,可以不用正则表达式,通过字符串操作实现相同功能:
思路如下:
- 找到关键词所在位置
- 找到关键词后面的冒号
- 从冒号后开始,向后扫描,直到遇到下一个关键词的开始(下一个带冒号的关键词)或者字符串末尾
- 截取该段内容并返回
示例代码:
def extract_value(text, keyword): # 找到关键词位置 keyword_pos = text.find(keyword + ':') if keyword_pos == -1: return None # 从关键词后面的冒号开始找值的起点 start = keyword_pos + len(keyword) + 1 # 冒号后面的第一个字符的位置 # 找下一个关键词冒号的位置(从start开始找) next_colon_pos = text.find(':', start) if next_colon_pos == -1: # 没有下一个冒号,取到文本结尾 return text[start:].strip() # 找到下一个关键词的起点(冒号之前连续非空白字符) # 往前找空格定位关键词开头 prev_space = text.rfind(' ', start, next_colon_pos) # 如果找不到空格,代表下一个关键词是从start开始的(不太可能,但保底) if prev_space == -1: end = next_colon_pos - len(keyword) # 这个逻辑不准确,不用这么做 # 安全起见这里直接返回到冒号前的位置 end = next_colon_pos - 1 else: end = prev_space return text[start:end].strip() # 测试 text = '所属行业:工程施工 单位规模:2000-5000人' keyword = '所属行业' value = extract_value(text, keyword) print(value) # 输出:工程施工
改进一下确定下一个关键词位置的方法:
因为关键词都是“关键词:”,我们可以从start开始找所有" "空格分割的单元,判断哪个单元中带冒号,然后取第一个这样的单元所在位置,作为下个关键词起点:改进版本:
def extract_value(text, keyword): keyword_pattern = keyword + ':' keyword_pos = text.find(keyword_pattern) if keyword_pos == -1: return None start = keyword_pos + len(keyword_pattern) # 从start开始,取剩余字符串 rest = text[start:] # 按空格分割rest parts = rest.split() # 找第一个带冒号的单元,作为下一个关键词起点 for i, part in enumerate(parts): if ':' in part: # 到这个单元前面结束 end_index = start for j in range(i): # 累加前面单元及其空格长度 end_index += len(parts[j]) + 1 # 加1是因为空格 return text[start:end_index].strip() # 没找到下一个关键词,那就取到结尾 return rest.strip() # 测试 text = '所属行业:工程施工 单位规模:2000-5000人' keyword = '所属行业' value = extract_value(text, keyword) print(value) # 输出: 工程施工这样写更简单、直观,且不依赖正则。