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 |
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)#返回匹配结果 print(result_match.group())
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)result_findall = pattern.findall(text) print(result_findall)
|
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |