Python字符串处理：使用正则表达式从指定关键词后截取内容

import re

# 示例字符串，模拟语音识别的输出
text_data = "this is some introductory text begin the actual message starts here"

# 定义正则表达式模式
# r'.*?\bbegin\b\s*' 的解释：
#   .*?   - 非贪婪匹配任意字符（除了换行符），零次或多次。确保只匹配到第一个 'begin'。
#   \b    - 单词边界，确保匹配的是完整的“begin”一词，而不是“beginning”中的“begin”。
#   begin - 字面匹配关键词“begin”。
#   \b    - 另一个单词边界。
#   \s*   - 匹配关键词后可能存在的任意数量的空白字符（包括零个）。
pattern = r'.*?\bbegin\b\s*'

# 使用re.sub()进行替换
# 将匹配到的模式替换为空字符串 ''
result_text = re.sub(pattern, '', text_data)

print(f"原始字符串: '{text_data}'")
print(f"截取后的字符串: '{result_text}'")
# 预期输出: 截取后的字符串: 'the actual message starts here'

import re

# 示例字符串1：包含关键词
text_data_1 = "please listen carefully begin the main part of the speech"
# 示例字符串2：不包含关键词
text_data_2 = "this is just a normal sentence without any special keyword"

pattern_keyword = r'\bbegin\b' # 仅匹配关键词本身
pattern_full_replace = r'.*?\bbegin\b\s*' # 用于替换的完整模式

def extract_after_keyword(text, keyword_pattern, full_replace_pattern):
    """
    从字符串中提取指定关键词右侧的内容。
    如果关键词不存在，则返回空字符串。
    """
    if re.search(keyword_pattern, text):
        return re.sub(full_replace_pattern, '', text)
    else:
        # 如果关键词不存在，根据需求可以返回空字符串、原始字符串或抛出异常
        # 这里我们选择返回空字符串，与原始问题中的逻辑一致
        return '' 

result_1 = extract_after_keyword(text_data_1, pattern_keyword, pattern_full_replace)
result_2 = extract_after_keyword(text_data_2, pattern_keyword, pattern_full_replace)

print(f"原始字符串1: '{text_data_1}'")
print(f"截取后的字符串1: '{result_1}'")
# 预期输出: 截取后的字符串1: 'the main part of the speech'

print(f"原始字符串2: '{text_data_2}'")
print(f"截取后的字符串2: '{result_2}'")
# 预期输出: 截取后的字符串2: ''

import speech_recognition as sr
import re
# 注意：openai, gtts, os, pygame 等库在此示例中不直接用于文本处理逻辑，故省略导入
# 实际应用中根据需要导入

def process_audio_text(audio_filename):
    """
    处理音频文件，识别文本并截取“begin”后的内容。
    """
    r = sr.Recognizer()
    language = 'en' # 假设识别语言为英语

    with sr.AudioFile(audio_filename) as source:
        print(f"正在识别音频文件: {audio_filename}...")
        try:
            audio_data = r.record(source)
            # 将识别结果转换为小写，以便大小写不敏感地匹配“begin”
            text = r.recognize_google(audio_data, language=language).lower()
            print(f"原始识别文本: '{text}'")

            # 定义正则表达式模式
            pattern_keyword = r'\bbegin\b'
            pattern_full_replace = r'.*?\bbegin\b\s*'

            # 检查关键词并进行截取
            if re.search(pattern_keyword, text):
                processed_text = re.sub(pattern_full_replace, '', text)
                print(f"截取后的文本: '{processed_text}'")
                return processed_text
            else:
                print("未找到关键词 'begin'，返回空字符串。")
                return ''
        except sr.UnknownValueError:
            print("Google Speech Recognition 无法理解音频。")
            return ""
        except sr.RequestError as e:
            print(f"无法从 Google Speech Recognition 服务请求结果; {e}")
            return ""

# 假设有一个名为 "Recording.wav" 的音频文件
# (请确保此文件存在且包含可识别的语音，其中包含“begin”一词)
# 例如，音频内容为 "some preamble begin actual command here"
# processed_output = process_audio_text("Recording.wav")
# print(f"最终处理结果: '{processed_output}'")