我正在使用Python docx库编写代码，以查找并突出显示文本中的所有引号。除非引号中有问号（例如：它可以找到“你好吗？但在“Hello？”上返回NoneType对象。你好吗？“并在下面的location.span()上抛出AttributionError）。
我试着摆弄正则表达式，包括“（[\w？]*？）”和\？尝试了几次，但似乎都不起作用--下面的正则表达式通过了正则表达式检查器，并显示“Hello？你好吗？“例如，但我的程序不会
document = Document(filepath)
def highlight_quotes(document):
for paragraph in document.paragraphs:
if matches := re.findall(r'“(.*?)”', paragraph.text):
quotes = []
for i in range(len(matches)):
location = re.search(matches[i], paragraph.text)
start_index, end_index = location.span()
quotes.append((start_index, end_index))
1条答案
按热度按时间kadbb4591#
问题是，当您执行
re.search(matches[i], paragraph.text)时，您试图将文本的一部分用作正则表达式。但它不是正则表达式，如果它包含在正则表达式中有特殊含义的字符（例如?）将无法正确匹配，甚至可能引发异常。您可以使用
re.escape()来转义所有特殊字符，但这仍然是不正确的。如果有任何重复的匹配，它将只返回第一个匹配的位置。如果您想获得匹配项的位置，请使用
re.finditer()--它返回match对象，而不是返回文本，您可以从中获得每个匹配项的跨度。