Question

我正在尝试使用python中的re.split解析一行。以下是我正在尝试的示例行：

drwxr-xr-x   2 user1    user1        4096 Sep  4 14:23 FolderName
drwxr-xr-x   2 user1    user1        4096 Sep  4 14:23 FolderName_1
drwxr-xr-x   2 user1    user1        4096 Sep  4 14:23 FolderName 1

我使用以下代码将每一行拆分成一个数组，并使用最后一个元素。

file_folder_names_parsed.insert(file_index, (re.split(r"\s", entry)))
print file_folder_names_parsed[file_index]

#The file/folder name is stored in the last element, lets index to that
num_elements_in_parsed_string = len(file_folder_names_parsed[file_index])
parsed_folder_names.insert(file_index, file_folder_names_parsed[file_index][num_elements_in_parsed_string-1])

现在的问题是，对于前两行，它工作正常，我能够使用以下条目填充列表：[FolderName，FolderName_1]

但是对于最后一个元素，我只得到[1]而不是[FolderName 1]。这是有道理的，因为中间有一个空格字符，我将其用作分隔符。不幸的是，我无法使用\ t（tab）作为我必须处理的字符串的正则表达式分隔符。

任何人都可以建议最后一个案例，我怎样才能获得[FolderName 1]而不是只获得[1]我目前得到的？

Answer 1

可能是这样的吗？

>>> import re
>>> s = '''drwxr-xr-x   2 user1    user1        4096 Sep  4 14:23 FolderName
drwxr-xr-x   2 user1    user1        4096 Sep  4 14:23 FolderName_1
drwxr-xr-x   2 user1    user1        4096 Sep  4 14:23 FolderName 1'''
>>> re.findall(r'(?<=:\d{2})\s+(.*)(?=\n|$)', s)
['FolderName', 'FolderName_1', 'FolderName 1']

正则表达式解释：http://regex101.com/r/fM1nM4/1

Answer 2

您应该匹配非空的空格字符序列，如下所示：\s+。此外，您应使用re.split()＆＃39; s maxsplit参数指定您愿意接受的最大分组数：

import re
lines = [
'drwxr-xr-x   2 user1    user1        4096 Sep  4 14:23 FolderName',
'drwxr-xr-x   2 user1    user1        4096 Sep  4 14:23 FolderName_1',
'drwxr-xr-x   2 user1    user1        4096 Sep  4 14:23 FolderName 1',
]

for entry in lines:
  filename = re.split(r'\s+', entry, maxsplit=8)[-1]
  print filename

在分割前8个项目后，re.split()会将该行的剩余部分作为单个项目返回。

但是，如果您只是使用whitepsace作为分隔符，那么根本不需要re.split()。只需使用更简单的str.split()：

for entry in lines:
  filename = entry.split(None, 8)[-1]
  print filename

上述任何一个样本都会产生此输出：

FolderName
FolderName_1
FolderName 1

Answer 3

根据没有数字和行尾锚点的空格分开，

>>> m = re.split(r'(?<!:\d{2} \d)\s+(?!\d+$)', 'drwxr-xr-x   2 user1    user1        4096 Sep  4 14:23 FolderName 1')
>>> m
['drwxr-xr-x', '2', 'user1', 'user1', '4096', 'Sep', '4', '14:23', 'FolderName 1']
>>> m = re.split(r'(?<!:\d{2} \d)\s+(?!\d+$)', 'drwxr-xr-x   2 user1    user1        4096 Sep  4 14:23 1 FolderName')
>>> m
['drwxr-xr-x', '2', 'user1', 'user1', '4096', 'Sep', '4', '14:23', '1 FolderName']

DEMO

模式说明：

(?<!:\d{2} \d)\s+(?!\d+$)

(?<!....)称为负向后观，它断言空格之前的内容不满足此:\d{2} \d模式。 (?!\d+$)称为负向前瞻，断言，后面不是一个或多个数字和行尾$

Answer 4

不使用split()，使用实际模式。

import re

listing = """drwxr-xr-x   2 user1    user1        4096 Sep  4 14:23 FolderName
drwxr-xr-x   2 user1    user1        4096 Sep  4 14:23 FolderName_1
drwxr-xr-x   2 user1    user1        4096 Sep  4 14:23 FolderName 1
asdasd
"""

listing_pattern = r"\s+".join([
    r"^(?P<type>\S)(?P<mode>\S+)",
    r"(?P<children>\d+)",
    r"(?P<user>\S+)",
    r"(?P<group>\S+)",
    r"(?P<size>\S+)",
    r"(?P<time>.*\d:\d\d)",
    r"(?P<filename>.*)",
])

for entry in iter(listing.splitlines()):
    match = re.match(listing_pattern, entry)
    if match:
        print match.group("filename")

打印

FolderName
FolderName_1
FolderName 1

正如@tripleee在评论中指出的那样，你不应该首先解析ls的输出。在上面，链接中最弱的链是<time>组（想想上午/下午时间表示）。

如果您对文件名之前的列不感兴趣，那么较短的正则表达式就足够了：

listing_pattern = r".*?:\d\d (?P<filename>.*)"

同样，时间以":"后跟两位数结尾的假设是该方法的弱点。

使用Python Regex最佳分隔符？

4 个答案: