Python 文本匹配关键词，多个关键词从文本中匹配，疾病关键词匹配，.findall () .match() .search()的区别和应用实例，医学文本关键词检索 |
您所在的位置：网站首页 › 如何在一篇文章中查找相关词条 › Python 文本匹配关键词，多个关键词从文本中匹配，疾病关键词匹配，.findall () .match() .search()的区别和应用实例，医学文本关键词检索 |
Python 文本匹配关键词，多个关键词从文本中匹配，疾病关键词匹配，.findall () .match() .search()的区别和应用实例，医学文本关键词检索
|
正则表达式（英文名称：regular expression，regex，RE）是用来简洁表达一组字符串特征的表达式。 一、当匹配单个关键词：“高血压” 待匹配文本：“高血压（hypertension）是指以体循环动脉血压（收缩压和/或舒张压）增高为主要特征（收缩压≥140毫米汞柱，舒张压≥90毫米汞柱），可伴有心、脑、肾等器官的功能或器质性损害的临床综合征。高血压是最常见的慢性病，也是心脑血管病最主要的危险因素。正常人的血压随内外环境变化在一定范围内波动。在整体人群，血压水平随年龄逐渐升高，以收缩压更为明显，但50岁后舒张压呈现下降趋势，脉压也随之加大。” （1）re.match()从字符串的开头开始，只匹配开头。如果开头没有，则返回None，如果开头有匹配关键词，则返回匹配结果对象。 如下示例： 方式一： keyword = '高血压' text = '''高血压（hypertension）是指以体循环动脉血压（收缩压和/或舒张压）增高为主要特征（收缩压≥140毫米汞柱， 舒张压≥90毫米汞柱），可伴有心、脑、肾等器官的功能或器质性损害的临床综合征。 高血压是最常见的慢性病，也是心脑血管病最主要的危险因素。正常人的血压随内外环境变化在一定范围内波动。 在整体人群，血压水平随年龄逐渐升高，以收缩压更为明显，但50岁后舒张压呈现下降趋势，脉压也随之加大。''' result_match = re.match(keyword,text) #查看返回对象 print(result_match)
方式二： pattern = re.compile(keyword) result_match = pattern.match(text) print(result_match.group())结果同上 （2）re.search()从字符串开头开始搜索直到成功匹配上字符就停止。如果文本中没有关键词，则返回None；如果文本中有多个匹配关键词，则只匹配第一个关键词就停止匹配，并返回匹配结果对象。 如下示例： 方式一： result_search = re.search(keyword,text) print(result_search.group())方式二： pattern = re.compile(keyword) result_search = pattern.search(text) print(result_search.group())（3）re.findall()从头开始搜索直到把所有符合条件的符号都找出来为止，返回列表。如果没有匹配关键词，返回空列表；如果有多个匹配关键词，则全部返回匹配结果。 如下示例： 方式一： result_findall = re.findall(keyword,text) #返回列表 print(result_findall) 方式二： pattern = re.compile(keyword) result_findall = pattern.findall(text) print(result_findall)注意 re模块中包含一个重要函数是re.compile(pattern [, flags]) ，该函数根据包含的正则表达式的字符串创建模式对象。可以实现更有效率的匹配。在直接使用字符串表示的正则表达式进行search,match和findall操作时，python会将字符串转换为正则表达式对象。而使用compile完成一次转换之后，在每次使用模式的时候就不用重复转换。当然，使用re.compile()函数进行转换后，re.search(pattern, string)的调用方式就转换为 pattern.search(string)的调用方式。 二、当匹配多个关键词时：“高血压、收缩压、舒张压、临床综合征” keyword = ['高血压','收缩压','舒张压','临床综合征'] text = '''高血压（hypertension）是指以体循环动脉血压（收缩压和/或舒张压）增高为主要特征（收缩压≥140毫米汞柱，舒张压≥90毫米汞柱），可伴有心、脑、肾等器官的功能或器质性损害的临床综合征。高血压是最常见的慢性病，也是心脑血管病最主要的危险因素。正常人的血压随内外环境变化在一定范围内波动。在整体人群，血压水平随年龄逐渐升高，以收缩压更为明显，但50岁后舒张压呈现下降趋势，脉压也随之加大。'''（1）for循环匹配，挨个关键词匹配 #创建列表，装入匹配结果 result_findall = [] for i in keyword: pattern = re.compile(i) res = pattern.findall(text) result_findall.extend(res) print(result_findall)（2）构建正则表达式 #构建正则表达式 pattern = re.compile('|'.join(keyword)) print(pattern)
|
【本文地址】