Question

这是我第一次使用正则表达式进行模式匹配任何帮助表示赞赏。

我正在尝试在字符串中搜索以下子字符串：

"(TPU 1-999)
http://somewebaddress.com"

我希望将TPU，1-999和链接保留为单独的子字符串。

这是我正在使用的模式：

^\s{3}\(([AEINPRSTUW]{3})\s(\d{1,3}.\d{2,5})\)$^\s{3}(http+\s{1,100})$

我会将其分解以解释我的推理

^\s{3} - 字符串的开头（或本例中的行），后跟3个空格

\( - 左括号

([AEINPRSTUW]{3}) - 括号中任意字母的3个实例，TPU是一个例子

\s(\d{1,3}.\d{2,5}) - 一个空格，然后是1-3位数字，用2-5个数字的任何字母分隔

\)$ - 右括号，行尾

^\s{3} - 下一行的开头，后跟三个空格

(http+\s{1,100})$ - 字符“http”后跟1到100个非空格字符以及行尾。

这种模式现在不行，但我是朝着正确的方向前进吗？

Answer 1

$^这不起作用。 $是行尾（换行符之前），^是行的开头（换行符之后）。但是换行符是一个字符（或两个），而不是提升正则表达式引擎的位置。所以$和^尝试匹配相同的位置，只有当它们是空行的结尾和开头时才会发生 - 即使然后将它们按此顺序排列也会产生很大的误导。如果你想确保它们之间只有一个换行符，请尝试：

^\s{3}\(([AEINPRSTUW]{3})\s(\d{1,3}.\d{2,5})\)$(\r\n?|\n)^\s{3}(http+\S{1,100})$

然而，正如嘲笑者指出评论一样，以下\s{3}可以匹配（最多3个）更多的换行符，因为它们也是空格。

另请注意，.作为数字的分隔符可能不是最佳选择。至少，使用非数字字符：

^\s{3}\(([AEINPRSTUW]{3})\s(\d{1,3}\D\d{2,5})\)$(\r\n?|\n)^\s{3}(http+\S{1,100})$

另请注意，我已将您的上一个\s更改为\S（因为\s是空格，\S是非空格。

另请注意，您向我们展示的字符串不包含您尝试匹配的三个空格。因此，将它们作为可选项（如CaptainMurphy建议的那样）也可能有所帮助：

^\s*\(([AEINPRSTUW]{3})\s(\d{1,3}\D\d{2,5})\)$(\r\n?|\n)^\s*(http+\S{1,100})$

既然我们已经匹配了换行符，我们也可以完全删除那些锚点，它们实际上不再有用了：

^\s*\(([AEINPRSTUW]{3})\s(\d{1,3}\D\d{2,5})\)(\r\n?|\n)\s*(http+\S{1,100})$

Answer 2

我认为你对大写字母和特定数量的空格之类的东西过于具体（你的示例字符串在开头时甚至没有空格）。我主要只是坚持*和+，除非我正在寻找非常具体的东西。正如另一个答案所指出的那样，$是整个记录（字符串）的结尾，而不是行尾。换行符或CRLF只是空格。不要将\ s甚至[^ \ s]用于非空白，请使用\ S。

ss="(TPU 1-999)\nhttp://something.com"
rr="^\s*\(([A-Z]+)\s+(\d+.\d+)\)\s+(http\S{1,100})$"
re.match(rr,ss).groups()
('TPU', '1-999', 'http://something.com')

Answer 3

我真的在想这个。以下是我根据提供的答案提出的解决方案：

以下是我正在解析的字符串示例（从电子邮件内容中提取）：

'The writeboard named "10/26 newsletters (Pat)" has been created:\r\n\r\n (TPU 1000+)\r\n\r\n http://www.techproductupdate.com/resources/2313/splunk-app-for-vmware-delivers-insight-into-the-cloud\r\n\r\n (TIN 250+)\r\n\r\n http://www.techproductupdate.com/resources/2369/securing-mysql-databases\r\n\r\n (TPU 500+)\r\n\r\n http://www.techproductupdate.com/resources/2333/designing-a-data-protection-strategy-with-hp-lefthand-hp-storeonce-and-hp-tape\r\n\r\n- - -\r\nYou can visit the writeboard at:\r\n http://somewebsite.com\r\n'

首先，我只使用re.findall使用模式'$(?P<list>[A-Z]*)\s(?P<segments>.+)$'

找到括号中的所有内容

然后我使用re.findall使用模式'http\S*'找到所有网址 - 这会返回我想要的所有结果以及列表末尾的额外'http://somewebsite.com'。

然后我将这些列表压缩在一起，排除了最后一个列表的最后一个元素，我基本上得到了我首先要查找的结果。

Python正则表达式 - 模式匹配

3 个答案: