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

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 *** 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)