Question

我希望这条消息让你精神振奋。我正在尝试找到关于\ b表达式的快速教程（如果有更好的术语，请道歉）。我正在编写一个脚本来解析一些xml文件，但是遇到了一些速度障碍。我将展示我的xml示例：

<....></...><...></...><OrderId>123456</OrderId><...></...>
<CustomerId>44444444</CustomerId><...></...><...></...>

＆LT; ...＆GT;是不重要和不相关的xml代码。主要关注CustomerID和OrderId。

我的问题在于解析字符串，类似于上面的语句。我有一个完美的regexParse定义。但它并不直观。我只需要匹配包含44444444的字符串部分。

我的当前设置是：

searchPattern = '>\d{8}</CustomerId'

大！它有效，但我想以正确的方式做到这一点。我的想法是1）找到8位数2）如果某个单词边界是非数字的，那么匹配后CustomerId将其返回。

点子：

searchPattern = '\bd{16}\b'

我的测试中的问题是在数字之前和之后的某处搜索CustomerId。我想知道你们中是否有人可以帮助我解决我的问题，或者指出我在正确的道路上（用指南的话或其他方式）。任何帮助表示赞赏。

Mods如果这是在错误的区域道歉，我想在Python讨论中发布这个，因为我不确定Python regex是否支持此功能。

再次感谢所有人，

darcmasta

Answer 1

txt = """
<....></...><...></...><OrderId>123456</OrderId><...></...>
<CustomerId>44444444</CustomerId><...></...><...></...>
"""

import re
pattern = "<(\w+)>(\d+)<"
print re.findall(pattern,txt)
#output  [('OrderId', '123456'), ('CustomerId', '44444444')]

Answer 2

您可以考虑在正则表达式中使用回溯运算符，以便人们轻松阅读：

import re
a = re.compile("(?<=OrderId>)\\d{6}")
a.findall("<....></...><...></...><OrderId>123456</OrderId><...></...><CustomerId>44444444</CustomerId><...></...><...></...>")
['123456']
b = re.compile("(?<=CustomerId>)\\d{8}")
b.findall("<....></...><...></...><OrderId>123456</OrderId><...></...><CustomerId>44444444</CustomerId><...></...><...></...>")
['44444444']

Answer 3

您应该使用原始字符串文字：

searchPattern = r'\b\d{16}\b'

普通（非原始）字符串文字中的转义序列\b表示退格字符，因此re模块将接收的内容（无法识别的转义序列，如\d被传递为-is，即反斜杠后跟'd'）。

REGEX：用非数字字边界解析n个数字

3 个答案: