import redef 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。
