Python正则表达式分裂没有空字符串

Question

我有以下显示此模式的文件名：

000014_L_20111007T084734-20111008T023142.txt
000014_U_20111007T084734-20111008T023142.txt
...

我想在第二个下划线'_'之后和'.txt'之前提取中间两个时间戳部分。所以我使用了以下Python正则表达式字符串拆分：

time_info = re.split('^[0-9]+_[LU]_|-|\.txt$', f)

但是这在返回的列表中给了我两个额外的空字符串：

time_info=['', '20111007T084734', '20111008T023142', '']

我如何只获得两个时间戳信息？即我想要：

time_info=['20111007T084734', '20111008T023142']

Answer 1

我不是Python专家，但也许你可以从列表中删除空字符串？

str_list = re.split('^[0-9]+_[LU]_|-|\.txt$', f)
time_info = filter(None, str_list)

Answer 2

请勿使用re.split()，使用正则表达式groups() / Match对象的SRE_Match方法。

>>> f = '000014_L_20111007T084734-20111008T023142.txt'
>>> time_info = re.search(r'[LU]_(\w+)-(\w+)\.', f).groups()
>>> time_info
('20111007T084734', '20111008T023142')

您甚至可以命名捕获组并在dict中检索它们，尽管您使用groupdict()而不是groups()。 （这种情况的正则表达式模式类似于r'[LU]_(?P<groupA>\w+)-(?P<groupB>\w+)\.'）

Answer 3

如果时间戳总是在第二个_之后，那么您可以使用str.split和str.strip：

>>> strs = "000014_L_20111007T084734-20111008T023142.txt"
>>> strs.strip(".txt").split("_",2)[-1].split("-")
['20111007T084734', '20111008T023142']

Answer 4

>>> f='000014_L_20111007T084734-20111008T023142.txt'
>>> f[10:-4].split('-')
['0111007T084734', '20111008T023142']

或者更为一般：

>>> f[f.rfind('_')+1:-4].split('-')
['20111007T084734', '20111008T023142']

Answer 5

由于这是在Google上出现的，为了完整起见，请尝试使用re.findall作为替代！

这确实需要重新考虑一下，但是它仍然像split一样返回匹配列表。这使其成为某些现有代码的理想替代品，并且摆脱了不需要的文本。将其与lookaheads and/or lookbehinds配对，您会得到非常相似的行为。

是的，这有点像“您在问一个错误的问题”，并且不使用re.split()。它确实解决了潜在的问题-您的匹配项列表中突然包含零长度的字符串，而您不希望这样做。