Question

我正试图用一些正则表达式拆分大文件。问题是我想在分割后在文本中保留分隔符，并且我试图在正则表达式的开头添加？=但是它不会分裂。我在Sublime中尝试过修改过的正则表达式，它正在那里工作。

文字是这样的：

2014年8月7日01:01:01 一些文字
Aug 07,2014 02:02:02 PM

所以，日期，然后一些文字和日期。我希望用正则表达式识别该日期的分割文本。

正则表达式的第一个版本，完全符合我的目的：

\w{3}\s\d{2}\,\s\d{4}\s\d{1,2}\:\d{2}\:\d{2}\s[AM|PM].)

Python中的代码就是：

allparts = re.compile(r'\w{3}\s\d{2}\,\s\d{4}\s\d{1,2}\:\d{2}\:\d{2}\s[AM|PM].').split(alltext)

添加？=后，它看起来像这样：

allparts2 =re.compile(r'(?=\w{3}\s\d{2}\,\s\d{4}\s\d{1,2}\:\d{2}\:\d{2}\s[AM|PM].)').split(alltext)

我在第二段代码中做错了什么？

Answer 1

抱歉，我的第一个回答是错误的:)尝试不添加？=，只将它放在括号中：

allparts2 =re.compile(r'(\w{3}\s\d{2},\s\d{4}\s\d{1,2}\:\d{2}\:\d{2}\s[AM|PM].)').split(alltext)

然后在没有编译的情况下尝试...

allparts2 = re.split('(\w{3}\s\d{2},\s\d{4}\s\d{1,2}\:\d{2}\:\d{2}\s[AM|PM].)', alltext)

使用时：

#!/usr/local/bin/python2.7
import re

alltext = "Aug 07, 2014 01:01:01 PM some text Aug 07, 2014 02:02:02 PM another text Aug 07, 2014 03:03:03 AM " 

allparts2 = re.split('(?=\w{3}\s\d{2},\s\d{4}\s\d{1,2}\:\d{2}\:\d{2}\s[AM|PM].)', alltext)
print(allparts2)

结果是：

Executing the program....
$python2.7 main.py
['Aug 07, 2014 01:01:01 PM some text Aug 07, 2014 02:02:02 PM another text Aug 07, 2014 03:03:03 AM ']

使用时：

#!/usr/local/bin/python2.7
import re

alltext = "Aug 07, 2014 01:01:01 PM some text Aug 07, 2014 02:02:02 PM another text Aug 07, 2014 03:03:03 AM "


allparts2 = re.split('(?:\w{3}\s\d{2},\s\d{4}\s\d{1,2}\:\d{2}\:\d{2}\s[AM|PM].)', alltext)

print(allparts2)

结果是：

Executing the program....
$python2.7 main.py
['', ' some text ', ' another text ', ' ']

使用时：

#!/usr/local/bin/python2.7
import re

alltext = "Aug 07, 2014 01:01:01 PM some text Aug 07, 2014 02:02:02 PM another text Aug 07, 2014 03:03:03 AM "


allparts2 = re.split('(\w{3}\s\d{2},\s\d{4}\s\d{1,2}\:\d{2}\:\d{2}\s[AM|PM].)', alltext)

print(allparts2)

结果是：

Executing the program....
$python2.7 main.py
['', 'Aug 07, 2014 01:01:01 PM', ' some text ', 'Aug 07, 2014 02:02:02 PM', ' another text ', 'Aug 07, 2014 03:03:03 AM', ' ']

只是为了比较不同的形式。

Answer 2

似乎python的re.split（）不会在零长度匹配上分裂。

然而，手册说

如果在模式中使用捕获括号，则模式中所有组的文本也将作为结果列表的一部分返回。

...

如果分隔符中有捕获组并且它在字符串的开头匹配，则结果将以空字符串开头。

所以你可以使用：

allparts2 = re.compile(r'(\w{3}\s\d{2}\,\s\d{4}\s\d{1,2}\:\d{2}\:\d{2}\s(?:AM|PM))')

匹配表达式被捕获组包围的位置（另请注意最后的非捕获组）。结果是：

['', 'Aug 07, 2014 01:01:01 PM', ' some text ', 'Aug 07, 2014 02:02:02 PM', ' another text ', 'Aug 07, 2014 03:03:03 AM', ' ']

然后，您可以通过对allparts[1], allparts[2]等进行分组来创建文件，等等（2n + 1,2n + 2）。

Answer 3

虽然我不熟悉Python风格，Pythex给了我以下内容，我认为是正确的结果：

请参阅result

即使不是这些，你的正则表达式中有几件事我不知道是不必要的和/或不正确的。

逗号不需要转义
条件不是由[condo | cond2]，而是括号（cond1 | cond2）
您拥有的\s是可选的，因为正则表达式会捕获一个空白区域，如果您想要捕获例如空格空格字符，制表符，回车符，..

最后，您要添加的项目?=是预测，？：使其匹配，但不会使其成为您的捕获组的一部分。

试试这个正则表达式:(？：\ w {3} \ d {2}，\ d {4}，[\ d：] +（？：AM | PM））

拆分正则表达式不起作用的字符串

3 个答案: