多條正則匹配多條文章:python代碼實現(xiàn)

import re
import pandas as pd
from tqdm import tqdm

def get_re_data():
df_re = pd.read_excel('all_regex.xlsx',sheet_name=0)
return df_re
def get_passage_data():
df_passage = pd.read_excel('news001.xlsx',sheet_name=0)
return df_passage

df_re = get_re_data()
df_passage = get_passage_data()

遍歷文章,驗證正則

num = 0
re_result_list = []
passage_result_list = []
for one_re in df_re['regex']:
r1 = re.compile(one_re, re.S)
# print(one_re)
for one_passage in tqdm(df_passage['cont']):
one_list = r1.findall(str(one_passage))
if one_list != []:
# print('單篇匹配到的結(jié)果數(shù)是')
# print(len(one_list))
num += 1
# print(one_re)
# print(one_list)
passage_result_list.append(one_passage)
re_result_list.append(one_re)

print('總文章結(jié)果list長度是')
print(len(passage_result_list))
print('總正則結(jié)果list長度是')
print(len(re_result_list))

print('能匹配到文章的正則:{}條'.format(len(set(re_result_list))))
print('匹配上的文章數(shù):{}篇'.format(len(set(passage_result_list))))

df_final_result = pd.DataFrame({'re':re_result_list,'passage':passage_result_list})
print(df_final_result)
df_final_result.to_csv('match_result.csv',encoding='utf_8_sig')

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點,簡書系信息發(fā)布平臺,僅提供信息存儲服務。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容