grepを使用して特定のコンテキストで文字列を検索

Question

大きなファイルから特定のコンテキストに囲まれたすべての単語を探して抽出したいと思います。ファイル内のすべての行が>と<\w>間で異なる言葉ではなく、このようなようなものを見て：

<="UO" lemma="|" lex="|" sense="|" prefix="|" suffix="|" compwf="|" complemgram="|" ref="05" dephead="04" deprel="ET">and<\w> 

私は唯一の出力が可能「と」したいと思います。だから私は基本的に文脈にあるすべての文字列（単語、句読点、数字）を抽出したい。>xxx<\w>

and 
we 
appreciate 
this 
very 
much 
. 

：私は、出力は次のようになりたいと思うファイル全体から...私はgrepをし、正規表現と異なる選択肢の束を試みたが、私は>と<\w>ですべての単語またはパターンを得るのいずれかそれで...

Answer 1

このようなパターンを使用することができます。これは>と<\w>の間で一致します。

import re 
pat = re.compile(r'>(.*?)<\\w>') 
pat.findall(input_string) 

Answer 2

<="UO" lemma="|" lex="|" sense="|" prefix="|" suffix="|" compwf="|" complemgram="|" ref="05" dephead="04" deprel="ET">and<\w> 
<="UO" lemma="|" lex="|" sense="|" prefix="|" suffix="|" compwf="|" complemgram="|" ref="05" dephead="04" deprel="ET">we<\w> 
<="UO" lemma="|" lex="|" sense="|" prefix="|" suffix="|" compwf="|" complemgram="|" ref="05" dephead="04" deprel="ET">appreciate<\w> 
<="UO" lemma="|" lex="|" sense="|" prefix="|" suffix="|" compwf="|" complemgram="|" ref="05" dephead="04" deprel="ET">this<\w> 
<="UO" lemma="|" lex="|" sense="|" prefix="|" suffix="|" compwf="|" complemgram="|" ref="05" dephead="04" deprel="ET">very<\w> 
<="UO" lemma="|" lex="|" sense="|" prefix="|" suffix="|" compwf="|" complemgram="|" ref="05" dephead="04" deprel="ET">much<\w> 
<="UO" lemma="|" lex="|" sense="|" prefix="|" suffix="|" compwf="|" complemgram="|" ref="05" dephead="04" deprel="ET">.<\w> 

次のPythonの正規表現は、あなたのために働く必要があります。次の値（私はあなたのユースケースを理解願っています）と、入力ファイルが与えられ

>>> import re 
>>> pat = re.compile(r'(?<=">)(.*)(?=<\\w>)') 
>>> pat.findall(input_string) 
['and', 'we', 'appreciate', 'this', 'very', 'much', '.']