Question

我试图使用正则表达式从文件中捕获数据并引用它。我希望捕获＆＃34;邮政编码＆＃34;：和逗号之间的任何内容。当我替换该值时，它会显示如下＆＃34; whateverdata（最后没有引号。）为什么会这样？

数据看起来像这样："State":"NC","Postal Code":27605,"Description":null,

我的代码：

pattern = r'"Postal Code":(.+),'
replacement = r'"\1"'
jsonObj = re.sub(pattern, replacement, jsonObj)

既然这是json，还有更好的方法吗？似乎这将是一个常见的问题

Answer 1

您需要在此处使用非贪婪匹配（如评论中建议的@hwnd）：

r'"Postal Code":(.+?),'

或者，因为您知道这是邮政编码，所以匹配一个或多个数字：

r'"Postal Code":(\d+),'

演示：

>>> import re
>>> pattern = re.compile(r'"Postal Code":(\d+),')
>>> source = '"State":"NC","Postal Code":27605,"Description":null,'
>>> pattern.search(source).group(1)
'27605'

Answer 2

问题在于+ greedy运算符。它将尽可能多地匹配，并且仍然允许正则表达式的其余部分匹配，直到它到达行中的最后一个逗号。

使用+?表示非贪婪的匹配，意思是“一个或多个 - 最好尽可能少”。

pattern = r'"Postal Code":(.+?),'

Python捕获组并使用正则表达式引用它

2 个答案: