遍历单词尽可能多re.search python

Question

我想检索段落包含单词从一个网站。问题我不知道有多少单词后，所以我需要迭代它。

import urllib.request 
import re 
url = "http://www.cnn.com" 
request = urllib.request.Request(url) 
html_content = urllib.request.urlopen(request) 
mystring=html_content.read().decode('utf-8') 
m = re.search('CNN\s\w+\s\w+\s\w+\s\w+\s\w+\s\w+\s\w+\s(\w+)',mystring) 
print (m.group(0)) 

在这个例子中

我从韩国CNN的任意不等阶关键字的新闻，例如我想获得的所有段落，直到第一个句号（。），或者可以说punctutaion标志。

Answer 1

我不知道这是否真的解决了您的问题。如果你希望你的文字被分成句子使用：

re.split(r'[\.\!]', text)

如果你只想文本的第一句使用：

re.match(r'.*[\.\!]', text

的点意味着每一个字符会一场比赛。星号是零或多个出现的量词。括号中包含最后一个字符的集合，它是一个点或一个感叹号。

，如果你想找到包含特定关键字的使用这种每一句：

re.findall(r'[^\.\!]*KEYWORD[^\.\!]*[\.\!]', text)

在匹配的字符集开头的抑扬意味着每一个字符除了给定的。