Question

python正则表达式提取xml中的某字段之间的字符串，求大佬指教一下

如何在xml中提取
***** （表示内容可选）+‘ ‘ 发明’/‘提出’/‘提供’+***** （表示内容可
选） ）+’ 方法’/‘ ‘ 算法’
***** （表示内容可选）+‘ ‘ 克服’/‘具有’/*****/+***** （表示内容可选）
+‘缺陷’
***** （表示内容可选）+‘ ‘ 提升’/‘具有’/*****/+***** （表示内容可选）
+'性能'
中的***代表的文字
第一次做xml，实在不会。希望有大佬指教一下。谢谢
我采取的代码
import xml.dom.minidom
import re
#打开xml文档
dom = xml.dom.minidom.parse('test.xml')
#得到文档元素对象
root = dom.documentElement
cc=root.getElementsByTagName('base:Paragraphs')
c1=cc[0]
c11 = r'针对(.+?)的问题'
result = re.findall(c11,c1)
print(result)

Answer 1

你要提取的关键词前后的内容，有没有固定的字数或者是明显的分隔符，如果没有那单靠正则表达式做不到，这已经涉及到NLP领域了。

追问

。。错误纠正了。
大神能指导一下怎么提取多段正则表达式的循环提取吗
如题

追答

你能具体描述一下你的问题吗

追问

‘ 发明’/‘提出’/‘提供’+***** （表示内容可
选） ）+’ 方法’/‘ ‘ 算法’
‘ 克服’/‘具有’/*****/+***** （表示内容可选）
+‘缺陷’

类似这样提取文字。比如：在‘提升‘，‘ 发明’，‘提出’和‘性能’之间的文字，全都提取出来。或者，‘具有’和‘性质’之间的所有文字也提取出来
同一边的关键词用 | 来隔开吗？

追答

pattern1 = r'(?:发明|提出|提供)(.+?)(?:方法|算法)'
pattern2 = r'(?:克服|具有)(.+?)缺陷'