我有一个包含一组文件历史记录的列表。我需要将列表中的每个元素分成几列并将其保存到CSV文件中。
我需要的列是commit_id, filename, committer, date, time, line_number, code。
假设，这是我的清单：
my_list = [
'f5213095324 master/ActiveMasterManager.java (Michael Stack 2010-08-31 23:51:44 +0000 1) /**',
'f5213095324 master/ActiveMasterManager.java (Michael Stack 2010-08-31 23:51:44 +0000 2) *',
'f5213095324 master/ActiveMasterManager.java (Michael Stack 2010-08-31 23:51:44 +0000 3) * Licensed to the Apache Software Foundation (ASF) under one',
'f5213095324 master/ActiveMasterManager.java (Michael Stack 2010-08-31 23:51:44 +0000 4) * or more contributor license agreements.',
...
'b5cf8748198 master/ActiveMasterManager.java (Michael Stack 2012-09-27 05:40:09 +0000 160) if (ZKUtil.checkExists(this.watcher, backupZNode) != -1) {'
]
所需的csv输出：
commit_id | filename | committer | date | time | line_number | code
-----------------------------------------------------------------------------------------------------------------------------------------------------------------------
f5213095324 | master/ActiveMasterManager.java | Michael Stack | 2010-08-31 | 23:51:44 | 1 | /**
f5213095324 | master/ActiveMasterManager.java | Michael Stack | 2010-08-31 | 23:51:44 | 2 | *
f5213095324 | master/ActiveMasterManager.java | Michael Stack | 2010-08-31 | 23:51:44 | 3 | * Licensed to the Apache Software Foundation (ASF) under one
f5213095324 | master/ActiveMasterManager.java | Michael Stack | 2010-08-31 | 23:51:44 | 4 | * or more contributor license agreements.
........
b5cf8748198 | master/ActiveMasterManager.java | Michael Stack | 2012-09-27 | 05:40:09 | 160 | if (ZKUtil.checkExists(this.watcher, backupZNode) != -1) {
我尝试使用此代码：
pattern = re.compile(r'(?P<commit_id>\w+)\s+(?P<filename>[^\s]+)\s+\((?P<committer>.+)\s+(?P<date>\d{4}-\d\d-\d\d)\s+(?P<time>\d\d:\d\d:\d\d).+(?P<line_number>\b\d+\b)\)\s+(?P<code>[^"]*)')
with open('somefile.csv', 'w+', newline='') as f:
writer = csv.writer(f)
writer.writerow(['commit_id', 'filename', 'committer', 'date', 'time', 'line_number', 'code'])
for line in my_list:
writer.writerow([field.strip() for field in pattern.match(line).groups()])
通常，代码有效。
但是对于line number = 160，它在-1列中写了line_number，而在{列中只写code。
正则表达式中是否缺少某些内容？
答案 0 :(得分：1)
我修复了正则表达式。 这应该有效：
pattern = re.compile(r'(?P<commit_id>\w+)\s+(?P<filename>[^\s]+)\s+\((?P<committer>.+)\s+(?P<date>\d{4}-\d\d-\d\d)\s+(?P<time>\d\d:\d\d:\d\d).+?(?P<line_number>\b\d+\b)\)\s+(?P<code>[^"]*)')
我添加了一个问号以使用Lazy匹配 ＆＃34;。+＆＃34; =＆GT; ＆＃34;。+＆＃34？;
答案 1 :(得分：1)
您的模式的主要问题是使用.+。如果用.*?替换它，您不仅可以解决行号问题，还可以在提交者名称后删除空格：
pattern = re.compile(r'(?P<commit_id>\w+)\s+(?P<filename>[^\s]+)\s+\((?P<committer>.*?)\s+(?P<date>\d{4}-\d\d-\d\d)\s+(?P<time>\d\d:\d\d:\d\d).*?(?P<line_number>\b\d+\b)\)\s+(?P<code>[^"]*)')
https://regex101.com/r/f7zjpA/2
修改
你没有提到你想保留缩进，而你的代码看起来并不像你真正想要的那样。删除代码之前的空格/缩进不仅因为正则表达式模式。有两件事：
在正则表达式模式中，您在\s+组之前使用了code，这排除了所有空格/缩进。如果您想保留它们，请将\s+替换为\s，而pattern = re.compile(r'(?P<commit_id>\w+)\s+(?P<filename>[^\s]+)\s+\((?P<committer>.*?)\s+(?P<date>\d{4}-\d\d-\d\d)\s+(?P<time>\d\d:\d\d:\d\d).*?(?P<line_number>\b\d+\b)\)\s(?P<code>[^"]*)')
只会捕获第一个而不是所有这些：
field.strip()writer.writerow([field.strip() for field in pattern.match(line).groups()])
的for循环中删除了字符串开头和结尾的所有空格。修改模式并进行交换：
writer.writerow(pattern.match(line).groups())
使用：
<?php
// src/Controller/LuckyController.php
namespace App\Controller;
use Symfony\Component\HttpFoundation\Response;
class LuckyController
{
public function number()
{
$number = mt_rand(0, 100);
return new Response(
'<html><body>Lucky number: '.$number.'</body></html>'
);
}
}
将导致缩进它们所属的位置。
答案 2 :(得分：0)
不完全是你在找，但这很有用。
import re
for row in my_list:
print([x.strip() for x in re.split(r"(?![)])\s+(?![(])", row)])
out:
['f5213095324', 'master/ActiveMasterManager.java', '(Michael', 'Stack', '2010-08-31', '23:51:44', '+0000', '1)', '/**']
['f5213095324', 'master/ActiveMasterManager.java', '(Michael', 'Stack', '2010-08-31', '23:51:44', '+0000', '2)', '*']
...