Question

我有以下字符串：

>>> repr(s)
"    NBCUniversal\\n63  VOLGAFILM, INC               VOLGAFILMINC\\n64  Video Service Corp

我希望在\\n之前匹配字符串 - 在空格字符之前的所有内容。输出应为：

['NBCUniversal', 'VOLGAFILMINC']

这是我到目前为止所做的：

re.findall(r'[^s].+\\n\d{1,2}', s)

这个正确的正则表达式是什么？

Answer 1

编辑：抱歉，我没有仔细阅读你的问题

如果您想在文字 \n之前立即找到所有字母组，re.findall是合适的。您可以通过以下方式获得所需的结果：

>>> import re
>>> s = "    NBCUniversal\\n63  VOLGAFILM, INC               VOLGAFILMINC\\n64  Video Service Corp  "
>>> re.findall(r'(?i)[a-z]+(?=\\n)', s)
['NBCUniversal', 'VOLGAFILMINC']

老答案：

re.findall不是合适的方法，因为您只需要一个结果（即一对字符串）。这里re.search方法更合适：

>>> import re
>>> s = "    NBCUniversal\\n63  VOLGAFILM, INC               VOLGAFILMINC\\n64  Video Service Corp  "
>>> res = re.search(r'^(?i)[^a-z\\]*([a-z]+)\\n[^a-z\\]*([a-z]+)', s)
>>> res.groups()
('NBCUniversal', 'VOLGAFILM')

注意：我假设第一个单词与文字 \n之间没有其他字符，但如果不是这样，则可以添加{{1}在模式中的[^a-z\\]*之前。

Answer 2

如果你想修复现有的代码而不是替换它，那么你就是在正确的轨道上，你只是遇到了一些小问题。

让我们从你的模式开始：

>>> re.findall(r'[^s].+\\n\d{1,2}', s)
['    NBCUniversal\\n63  VOLGAFILM, INC               VOLGAFILMINC\\n64']

第一个问题是，.+会匹配它可以的所有内容，一直到最后一个\\n\d{1,2}，而不仅仅是下一个\\n\d{1,2}。要解决此问题，请添加?以使其不贪婪：

>>> re.findall(r'[^s].+?\\n\d{1,2}', s)
['    NBCUniversal\\n63', '  VOLGAFILM, INC               VOLGAFILMINC\\n64']

请注意，我们现在应该有两个字符串。问题是，这些字符串不仅具有与.+?匹配的任何字符串，它们具有与整个模式匹配的任何字符串。要解决此问题，请将要捕获的部分包裹在()中以使其成为捕获组：

>>> re.findall(r'[^s](.+?)\\n\d{1,2}', s)
['   NBCUniversal', ' VOLGAFILM, INC               VOLGAFILMINC']

那更好，但它在左端还有一堆额外的东西。为什么？好吧，你在[^s]之后捕获了所有内容。这意味着除了s之外的任何字符。你几乎肯定意味着[\s]，意思是空白类中的任何字符。（注意\s已经是空白类，所以[\s]，意味着由空白类组成的类是不必要的。）这样更好，但仍然只能匹配一个空格，而不是所有空间。并且它将匹配最早的空间，它仍然可以留下.+?匹配的东西，而不是最新的。因此，如果你想吸掉所有多余的空间，你需要重复它：

re.findall(r'\s+(.+?)\\n\d{1,2}', s)
['NBCUniversal', 'VOLGAFILM, INC               VOLGAFILMINC']

越来越近了......但.+?匹配任何，包括VOLGAFILM和VOLGAFILMINC之间的空格，再次\s+正在进行匹配它可以的第一批空格，让.+?匹配之后的所有内容。

您可以使用前缀，但有一个更简单的解决方案。如果您不想在捕获组中使用空格，只需使用\S捕获一系列非空格而不是任何内容：

re.findall(r'\s+(\S+?)\\n\d{1,2}', s)
['NBCUniversal', 'VOLGAFILMINC']

请注意，一旦你完成了这项工作，\s+就不会再做任何事了，所以让我们放弃它：

re.findall(r'(\S+?)\\n\d{1,2}', s)
['NBCUniversal', 'VOLGAFILMINC']

我显然已经做出了一些适用于您的样本输入的假设，但对于实际数据可能不正确。例如，如果您有一个类似Weyland-Yutani\\n…的字符串，我假设您需要Weyland-Yutani，而不仅仅是Yutani。如果您有不同的规则，例如只有字母，只需将括号中的部分更改为符合该规则的内容，例如(\w+?)或([A-Za-z]+?)。

Answer 3

假设输入实际上有序列\n（反斜杠后跟字母'n'）而不是换行符，这将起作用：

>>> re.findall(r'(\S+)\\n', s)
['NBCUniversal', 'VOLGAFILMINC']

如果字符串实际包含换行符，则在正则表达式中将\\n替换为\n。

将正则表达式与\\ n匹配

3 个答案: