Python正则表达式用于排除包含特定单词的字符串

Question

我试图在抓取维基百科时使用正则表达式来排除消歧页面。我四处寻找有关使用负向前瞻的技巧和 我似乎无法让它发挥作用。我想我错过了一些基本的东西 关于它的用途，但到目前为止我完全一无所知。有人可以吗 给我指明正确的方向吗？ （我不想使用 if y 中的“消歧义” ，我试图抓住 负前瞻的工作原理。）谢谢。 这是代码：

list_links = ['/wiki/Oolong_(disambiguation)', '/wiki/File:Mi_Lan_Xiang_Oolong_Tea_cropped.jpg',
  '/wiki/Taiwanese_tea', '/wiki/Tung-ting_tea',
 '/wiki/Nantou_County', '/wiki/Taiwan', '/wiki/Dongfang_Meiren',
  '/wiki/Alishan_National_Scenic_Area', '/wiki/Chiayi_County',
 '/wiki/Dayuling', '/wiki/Baozhong_tea', '/wiki/Pinglin_Township']

def findString(string):
  regex1 = r'(/wiki/)(_\($)(!?disambiguation)'
  for x in list_links:
      y =  re.findall(regex1, x)
      print(y)

findString(list_links)```

Answer 1

您可以根据需要使用正则表达式之一。此外，我还对函数定义进行了一些更改以尊重 PEP。

def remove_disambiguation_link(list_of_links):
    regex = "(.*)\((!?disambiguation)\)"
    # regex = "(/wiki/)(.*)\((!?disambiguation)\)"
    # return [links for links in list_of_links if not re.search(regex, links)]
    return list(filter(lambda link: not re.search(regex, link), list_of_links))
list_links = remove_disambiguation_link(list_links)
print(list_links)

[
    "/wiki/File:Mi_Lan_Xiang_Oolong_Tea_cropped.jpg",
    "/wiki/Taiwanese_tea",
    "/wiki/Tung-ting_tea",
    "/wiki/Nantou_County",
    "/wiki/Taiwan",
    "/wiki/Dongfang_Meiren",
    "/wiki/Alishan_National_Scenic_Area",
    "/wiki/Chiayi_County",
    "/wiki/Dayuling",
    "/wiki/Baozhong_tea",
    "/wiki/Pinglin_Township",
]

Answer 2

对于您的情况，最简单的解决方案就是不使用正则表达式......
只是做类似的事情：

list_links = ['/wiki/Oolong_(disambiguation)', '/wiki/File:Mi_Lan_Xiang_Oolong_Tea_cropped.jpg',
  '/wiki/Taiwanese_tea', '/wiki/Tung-ting_tea',
 '/wiki/Nantou_County', '/wiki/Taiwan', '/wiki/Dongfang_Meiren',
  '/wiki/Alishan_National_Scenic_Area', '/wiki/Chiayi_County',
 '/wiki/Dayuling', '/wiki/Baozhong_tea', '/wiki/Pinglin_Township']

def findString(string):
  regex1 = r'(/wiki/)(_\($)'
  for x in string:
      if 'disambiguation' in x:
          continue  # skip
      y =  re.findall(regex1, x)
      print(y)

findString(list_links)

Answer 3

您不需要使用正则表达式。您可以遍历 list_links 并检查您要查找的字符串“disambiguation”是否位于 list_links 中的每个项目中。

list_links = ['/wiki/Oolong_(disambiguation)', '/wiki/File:Mi_Lan_Xiang_Oolong_Tea_cropped.jpg',
  '/wiki/Taiwanese_tea', '/wiki/Tung-ting_tea',
 '/wiki/Nantou_County', '/wiki/Taiwan', '/wiki/Dongfang_Meiren',
  '/wiki/Alishan_National_Scenic_Area', '/wiki/Chiayi_County',
 '/wiki/Dayuling', '/wiki/Baozhong_tea', '/wiki/Pinglin_Township']

to_find = 'disambiguation'

def findString(list_links):
    for link in list_links:
        if to_find in link:
            # get indice of match
            match_index = list_links.index(link)
            # remove match from list
            list_links.pop(match_index)
    # print new list without 'disambiguation' items
    print(list_links)        

findString(list_links)