Python使用正则表达式从字符串中删除最后一个字符_

Question

我知道还有很多其他的正则表达式问题，但我希望有人可以指出我的正则表达式有什么问题。我已经对它进行了一些研究，它看起来应该有效。我使用rubular来测试它，是的我知道这是ruby的正则表达式，但我使用的相同规则应该适用于python docs

中的python

目前我有

a = ["SDFSD_SFSDF234234","SDFSDF_SDFSDF_234324","TSFSD_SDF_213123"]
c = [re.sub(r'[A-Z]+', "", x) for x in a]

返回

['SDFSD_SFSDF', 'SDFSDF_SDFSDF_', 'TSFSD_SDF_']

但我希望它返回

['SDFSD_SFSDF', 'SDFSDF_SDFSDF', 'TSFSD_SDF']

我尝试使用这个正则表达式

c = [re.sub(r'$?_[^A-Z_]+', "", x) for x in a]

但我收到此错误

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib64/python2.6/re.py", line 151, in sub
    return _compile(pattern, 0).sub(repl, string, count)
  File "/usr/lib64/python2.6/re.py", line 245, in _compile
    raise error, v # invalid expression

任何人都可以帮我弄清楚我做错了吗？

Answer 1

import re

a = ["SDFSD_SFSDF234234","SDFSDF_SDFSDF_234324","TSFSD_SDF_213123"]
c = [re.match(r'[A-Z_]+[A-Z]', x).group() for x in a]

print c

结果：

['SDFSD_SFSDF', 'SDFSDF_SDFSDF', 'TSFSD_SDF']

请注意，您在示例中使用的“re.sub”是正则表达式替换命令，而不是搜索。你的正则表达式似乎与你要求的东西相匹配，而不是你想要摆脱你想要的东西。

Answer 2

您可以在正则表达式中插入'lookahead'。 写为(?=...)，你的正则表达式只匹配文字，后跟你放在…中的任何内容。 因此，在您的情况下，您可以选择忽略下划线，除非后跟[A-Z]。 您的reg exp将如下所示：r'[A-Z]+_(?[A-Z])'因此，不会被字母后跟的下划线将被忽略。

Answer 3

没有正则表达式使用rstrip：

a = ["ends_with_underscore_", "does_not", "multiple_____"]
b = [ x.rstrip("_") for x in a]
print b

>> ['ends_with_underscore', 'does_not', 'multiple']

Answer 4

>>> import re
>>> a = ["SDFSD_SFSDF234234","SDFSDF_SDFSDF_234324","TSFSD_SDF_213123"]
>>> c = [re.sub('_?\d+','',x) for x in a]
>>> c
['SDFSD_SFSDF', 'SDFSDF_SDFSDF', 'TSFSD_SDF']
>>>

它简短而简单。基本上，它是说“替换所有数字流或数字流，前面带有_”。

Answer 5

错误：

c = [re.sub(r'$?_[^A-Z_]+', "", x) for x in a]

由?引起，它前面没有任何字符，所以它不知道匹配0或1次的内容。如果您将其更改为：

>>> [re.sub(r'_?[^A-Z_]+$', "", x) for x in a]
['SDFSD_SFSDF', 'SDFSDF_SDFSDF', 'TSFSD_SDF']

它按预期工作。

另一件事，$用于引爆该行的结尾，因此它可能不应该是第一个字符。