Vous cherchez une expression régulière, y compris aplhanumeric + "&" et ";"

Question

Voici le problème:

split=re.compile('\\W*') 

Cette expression régulière fonctionne très bien lorsqu'ils traitent avec des mots ordinaires, mais il y a des occasions où j'ai besoin l'expression d'inclure des mots comme käyttäj&aml;auml;. Que dois-je ajouter à la regex pour inclure les caractères & et ;?

Answer 1

Vous voulez probablement prendre l'inverse de problème, à savoir trouver tout le caractère sans les espaces:

[^ \t\n]* 

Ou vous voulez ajouter les caractères supplémentaires:

[a-zA-Z0-9&;]* 

Si vous voulez à correspondre à des entités HTML, vous devriez essayer quelque chose comme:

(\w+|&\w+;)* 

Answer 2

vous devriez faire un jeu de caractères ss qui inclurait les caractères supplémentaires. Par exemple:

split=re.compile('[\w&;]+') 

Cela devrait faire l'affaire. Pour votre information

• \w (minuscule 'w') correspond aux caractères de mots (alphanumériques)
• \W (capitale W) est une classe de caractères niée (ce qui signifie qu'il correspond à tout caractère non alphanumérique)
• * correspond 0 ou plusieurs fois et + correspond une ou plusieurs fois, donc * correspond à n'importe quoi (même s'il n'y a pas de caractères).

Answer 3

Je traiterait les entités comme une unité (car ils peuvent aussi contenir des codes de caractères numériques), entraînant l'expression régulière suivante:

(\w|&(#(x[0-9a-fA-F]+|[0-9]+)|[a-z]+);)+ 

Cela correspond

• soit un mot caractère (y compris "_"), ou
• une entité HTML constituée de
  • le caractère « & »
    • le caractère « # »,
      • le caractère « x » suivi d'au moins un chiffre hexadécimal, ou
      • au moins un chiffre décimal ou
    • au moins une lettre (= entité nommée),
  • un point-virgule
• au moins une fois.

/EDIT: Merci à ΤΖΩΤΖΙΟΥ pour avoir signalé une erreur.

Answer 4

On dirait que ce fait l'affaire:

fendu = re.compile ('(\\ W + & \\ W +;) *')

Merci pour les suggestions. La plupart d'entre eux fonctionnait bien sur Reggy, mais je ne comprends pas pourquoi ils ont échoué avec re.compile.