正则表达式-将一段话隔开为两个list，其中一个为标签list，一个为文本list，然后组成json

import re

def extract_labels_and_contents(text):
    # 构建正则表达式模式
    pattern = re.compile(r'(\[FAC\]|\[ADV\]|\[SUP\]|\[RES\]|\[ANA\]|\[EXP\])(.*?)(?=\[FAC\]|\[ADV\]|\[SUP\]|\[RES\]|\[ANA\]|\[EXP\]|\Z)', re.DOTALL)


    # 查找所有匹配的标签和内容
    matches = pattern.findall(text)

    # 将标签和中间内容分别存储在两个列表中
    found_labels = []
    contents = []

    for match in matches:
        found_labels.append(match[0])
        contents.append(match[1].strip())

#     print("Found Labels:", found_labels)
#     print("Contents:", contents)
    combined_list = [{"text": text, "speaker": "sys", "strategy": label} for label, text in zip(found_labels, contents)]
    
    return combined_list

# 示例文本
text = """
[SUP]您好，给您一个温暖的抱抱。[ANA]您这样是对的。
"""

# 调用函数并打印结果
result = extract_labels_and_contents(text)
print(result)

重点在于正则表达式

pattern = re.compile(r'(\[FAC\]|\[ADV\]|\[SUP\]|\[RES\]|\[ANA\]|\[EXP\])(.*?)(?=\[FAC\]|\[ADV\]|\[SUP\]|\[RES\]|\[ANA\]|\[EXP\]|\Z)', re.DOTALL)

 

在这个改进的正则表达式 (\[FAC\]|\[ADV\]|\[SUP\]|\[RES\]|\[ANA\]|\[EXP\])(.*?)(?=\[FAC\]|\[ADV\]|\[SUP\]|\[RES\]|\[ANA\]|\[EXP\]|\Z) 中：

• (\[FAC\]|\[ADV\]|\[SUP\]|\[RES\]|\[ANA\]|\[EXP\]) 匹配标签。
• (.*?) 非贪婪地匹配标签后的内容。
• (?=\[FAC\]|\[ADV\]|\[SUP\]|\[RES\]|\[ANA\]|\[EXP\]|\Z) 确保匹配到下一个标签开始的位置或文本末尾，\Z表示文本末尾。

这种方式可以确保匹配所有标签及其对应的内容。