使用Python和正则表达式从字符串中提取关键词右侧文本

import re

# 假设这是从语音识别获得的文本
text_from_audio = "this is some introductory text begin the actual content starts here"

# 定义正则表达式模式
# 匹配从字符串开头到第一个 'begin' 单词（包括 'begin' 及其后的空白字符）
pattern = r'.*?\bbegin\b\s*'

# 使用 re.sub() 替换匹配到的部分为空字符串
extracted_content = re.sub(pattern, '', text_from_audio)

print(f"原始文本: '{text_from_audio}'")
print(f"截取后的内容: '{extracted_content}'")

# 另一个例子
text_with_multiple_begins = "start here begin first part begin second part"
extracted_multiple = re.sub(pattern, '', text_with_multiple_begins)
print(f"处理多个 'begin': '{extracted_multiple}'")

原始文本: 'this is some introductory text begin the actual content starts here'
截取后的内容: 'the actual content starts here'
处理多个 'begin': 'first part begin second part'

import re

def extract_content_after_keyword(text, keyword="begin"):
    """
    从文本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。
    """
    # 构建正则表达式模式，同样使用词边界和可选空白字符
    pattern_sub = rf'.*?\b{keyword}\b\s*'
    # 构建用于检查关键词是否存在的模式
    pattern_search = rf'\b{keyword}\b'

    if re.search(pattern_search, text):
        # 如果关键词存在，则进行替换
        return re.sub(pattern_sub, '', text)
    else:
        # 如果关键词不存在，返回空字符串
        return ''

# 测试用例
text1 = "this is some introductory text begin the actual content starts here"
text2 = "no keyword here, just some random text"
text3 = "start with begin and some content"

print(f"文本1处理结果: '{extract_content_after_keyword(text1)}'")
print(f"文本2处理结果: '{extract_content_after_keyword(text2)}'")
print(f"文本3处理结果: '{extract_content_after_keyword(text3)}'")
print(f"使用不同关键词: '{extract_content_after_keyword('hello world start now', 'start')}'")

文本1处理结果: 'the actual content starts here'
文本2处理结果: ''
文本3处理结果: 'and some content'
使用不同关键词: 'now'

import speech_recognition as sr
import re
# import openai # openai 模块在此示例中未直接使用，但通常用于更复杂的文本处理或生成
# from gtts import gTTS # gTTS 模块在此示例中未直接使用，但通常用于文本转语音
# import os # os 模块在此示例中未直接使用
# import pygame # pygame 模块在此示例中未直接使用

def process_audio_transcription(audio_file_path, keyword="begin"):
    """
    处理音频文件，将其转录为文本，并从指定关键词处截取右侧内容。
    """
    r = sr.Recognizer()
    language = 'en' # 假设识别语言是英语

    try:
        with sr.AudioFile(audio_file_path) as source:
            print(f"正在读取音频文件: {audio_file_path}...")
            audio_data = r.record(source)
            print("音频数据加载完成，正在进行语音识别...")
            text = r.recognize_google(audio_data, language=language).lower() # 转换为小写以便匹配
            print(f"原始转录文本: '{text}'")

            # 定义正则表达式模式
            pattern_sub = rf'.*?\b{keyword}\b\s*'
            pattern_search = rf'\b{keyword}\b'

            if re.search(pattern_search, text):
                extracted_text = re.sub(pattern_sub, '', text)
                print(f"截取后的内容 (关键词 '{keyword}'): '{extracted_text}'")
                return extracted_text
            else:
                print(f"未在文本中找到关键词 '{keyword}'。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 ""
    except FileNotFoundError:
        print(f"错误: 未找到音频文件 '{audio_file_path}'。")
        return ""
    except Exception as e:
        print(f"发生未知错误: {e}")
        return ""

# 假设你有一个名为 "Recording.wav" 的音频文件
# 你需要确保该文件存在且包含可识别的语音，并且其中包含 "begin" 一词
# 例如，音频内容可能是 "some background noise begin the actual command is move forward"
# filename = "Recording.wav"
# processed_result = process_audio_transcription(filename, "begin")
# print(f"最终处理结果: '{processed_result}'")

# 模拟一个文本输入来测试函数逻辑，因为没有实际的音频文件
print("\n--- 模拟文本输入测试 ---")
mock_text = "this is a test begin processing data now"
processed_mock_text = extract_content_after_keyword(mock_text, "begin")
print(f"模拟文本处理结果: '{processed_mock_text}'")

mock_text_no_keyword = "just some random words"
processed_mock_text_no_keyword = extract_content_after_keyword(mock_text_no_keyword, "begin")
print(f"模拟文本（无关键词）处理结果: '{processed_mock_text_no_keyword}'")