使用多个捕获组和OR|运算符通过regex拆分字符串

Question

import re
splitRegex = r"(Personal Info|Personal|Personal Information)|(Work Experience|Work)|(Education|School|Certificates)"

text = "Personal Info\nText\nText\nText\nText\nWork Experience\nText\nText\nText\nText\nEducation\nText\nText\nText\nText\nText"

x = [tuple(i.splitlines()) for i in re.split(splitRegex, text) if i != ""]
d = dict([("".join(x[i]), x[i + 1]) for i in range(0, len(x) // 2, 2)])
print(d)

在上面的示例代码中，我想根据标题拆分文本。我想通过正则表达式确定这些标题（因为可能有同义词）re.split但是通常返回NoneType。这显然会导致错误。如果我添加一个If条件来检查我是否不是None，那么错误就会消失，但字典最终会丢失大量数据。

有人知道解决这个问题的方法吗？或者知道实现同样的事情的方法吗？

请记住，以上只是一个例子。我需要使用这个为简历/简历，因此布局和标题可以略有不同，这取决于使用的简历。

Answer 1

对于所有不匹配的组，您将得到None，因为re.split（）在结果列表中包括所有捕获组。

您应该将每个备选方案列表放在一个非捕获组中，然后将所有备选方案都放在一个捕获组中，这样您就可以得到匹配的标签。

splitRegex = r"((?:Personal Info|Personal|Personal Information)|(?:Work Experience|Work)|(?:Education|School|Certificates))"

Answer 2

您可以在循环级别删除结果中的NoneType：

    x = [tuple(i.splitlines()) for i in re.split(splitRegex, text) if (i != "" and i != None)]

这样x将类似于：

    [('Personal Info',), ('', 'Text', 'Text', 'Text', 'Text'), 
    ('Work Experience',), ('', 'Text', 'Text', 'Text', 'Text'), 
    ('Education',), ('', 'Text', 'Text', 'Text', 'Text', 'Text')]

这可能会让你的判决构造函数高兴。