Question

假设我有一个文本文件，它使用|符号来分隔数据库列，作为一个简单的数据库：

|some text| 234| other field| bla| 1232|

我想构建一个

的正则表达式

检查每行中有多少字段（通过计算|符号的出现次数）
检查哪些字段为空（两个|符号之间没有文字）
将返回每个字段值
将从字段值周围剥离空白区域。但要小心，空场不应该被剥夺！

这里有两个例子来说明我的想法：

line = |some text| 234| other field| bla| 1232|
output = my_regexp(line)
disp(output)
  'some text', '234', 'other field', 'bla', '1232'

现在一样，但这次字段3是空的：

line2 = |some text| 234|  | bla| 1232|
output = my_regexp(line)
disp(output)
  'some text', '234', '', 'bla', '1232'

我尝试了以下

values = regexp(regexprep(line '[\s]', ''), '\|', 'split')

但不幸的是这个解决方案不是

检查有多少|出现
不保留返回值的字段顺序，因为忽略空字段
告诉我哪个字段是空的

我从未构建过复杂的正则表达式规则并感谢您的意见！

Answer 1

这可以使用line.split完成，如下所示：

values = [v.strip() for v in line.split("|")[1:-1]]
num_fields = len(values)
num_empty_fields = values.count("")

获取空字段的索引列表：

indices_empty_fields = [i for i, f in enumerate(values) if f == ""]

要使用正则表达式，请将values的计算替换为：

import re
values = re.split("\s*\|\s*", line)[1:-1]

Answer 2

我根本不会在这里使用正则表达式;对于这么简单的工作来说，它们太复杂了。

简单地拆分管道符号：

>>> '|some text| 234| other field| bla| 1232|'.split('|')
['', 'some text', ' 234', ' other field', ' bla', ' 1232', '']

丢弃第一个和最后一个值，删除其余值以删除空格，然后输入列：

>>> example = '|some text| 234| other field| bla| 1232|'
>>> columns = map(lambda s: s.strip(), example.split('|')[1:-1])
>>> columns
['some text', '234', 'other field', 'bla', '1232']

要对列进行计数而不进行拆分，只需使用.count()函数，减去1：

>>> example.count('|') - 1
5

或获取列输出的len：

>>> len(columns)
5

想要计算空列？拆分这些列并计算空列：

>>> columns.count('')
0

或者你的第二行：

>>> line2 = '|some text| 234|  | bla| 1232|'
>>> columns_line2 = map(lambda s: s.strip(), line2.split('|')[1:-1])
>>> columns_line2
['some text', '234', '', 'bla', '1232']
>>> columns_line2.count('')
1

构造regexp表达式以检查特定的文本数据库格式

2 个答案: