Question

我的输入文件包含如下格式的数据：

一个; b，c | derp derp＆＃34; X1234567，Y1234567，Z1234567＆＃34; derp derp a; b，c |

我想使用Python将其解析为双引号之间的每个项目的多行。

以上示例的输出为：

一个; b，c | derp derp X1234567 derp derp a; b，c |

一个; b，c | derp derp Y1234567 derp derp a; b，c |

一个; b，c | derp derp Z1234567 derp derp a; b，c |

到目前为止，我有这样的事情：

import re
prefix = re.compile ('^(.*?)"')
pattern = re.compile('\"(.*?)([A-Z]{1}[0-9]{7})(.*?)\"')
suffix = re.compile ('"(.*?)$')
for i, line in enumerate(open('myFile.txt')):
    for match in re.finditer(pattern, line):
        print prefix, match.group(), suffix

但它似乎只返回每个内容的第一场比赛。

Answer 1

在这种情况下，使用正则表达式而不是简单的字符串和列表操作实际上有很多工作（在我看来）。我会这样做：

#!/usr/bin/env pytohn

with open('myFile.txt','r') as f:
    lines = readlines(f)

for line in lines:
    line = line.strip()
    start = line.find('"')
    end = line.find('"',start+1)
    data = line[start+1:end].split(',')
    data = [x.strip() for x in data]
    for x in data:
        print line[:start],x,line[end+1:]

这是我在查看您发布的代码后发现的内容：

您实际上在打印行中打印SRE_Pattern和prefix的{{1}}个对象。您应该在外部for循环的每次迭代中记录前缀和后缀的匹配。
调用suffix将返回整个匹配，而不仅仅是括号中的内容。我认为在大多数情况下你想要match.group()。
将match.group(1)定义为只匹配一个字符串，因为它会在行中依次搜索起始引号，然后是模式的其余部分。因此，它到达第一个引号的索引，检查一次模式，找到pattern然后继续。
我不确定为什么在X1234567中的引号之前有反斜杠，因为我不认为这些是特殊字符。
在pattern中，它会匹配第一个引号而不是第二个引号，因此suffix将包含引号之间的内容。
如果您使用逗号，print语句将在项之间插入空格，因此您应该使用suffix来连接它们。

最后，这就是我最终的正则表达式：

希望这有帮助，请问任何问题。在最好的时候，正则表达式是一个棘手的野兽。

根据python中的每个正则表达式匹配创建新行

1 个答案: