Question

我必须从ASCII文本文件中解析一些表。这是一个部分样本：

QSMDRYCELL   11.00   11.10   11.00   11.00    -.90      11     11000     1.212
RECKITTBEN  192.50  209.00  192.50  201.80    5.21      34      2850     5.707
RUPALIINS   150.00  159.00  150.00  156.25    6.29       4        80      .125
SALAMCRST   164.00  164.75  163.00  163.25    -.45      80      8250    13.505
SINGERBD    779.75  779.75  770.00  773.00    -.89       8        95      .735
SONARBAINS   68.00   69.00   67.50   68.00     .74      11      3050     2.077

该表由1列文本和8列浮点数组成。我想通过正则表达式捕获每一列。

我对正则表达式很陌生。这是我提出的错误的正则表达式模式：

(\S+)\s+(\s+[\d\.\-]+){8}

但该模式仅捕获第一列和最后一列。 RegexBuddy也会发出以下警告：

您重复了捕获组本身。该小组将仅捕获最后一次迭代。抓住了围绕重复组的小组捕获所有迭代。

我已经查阅了他们的帮助文件，但我不知道如何解决这个问题。

如何单独捕获每列？

Answer 1

在C＃中（从this example修改）：

string input = "QSMDRYCELL   11.00   11.10   11.00   11.00    -.90      11     11000     1.212";
string pattern = @"^(\S+)\s+(\s+[\d.-]+){8}$";
Match match = Regex.Match(input, pattern, RegexOptions.MultiLine);
if (match.Success) {
   Console.WriteLine("Matched text: {0}", match.Value);
   for (int ctr = 1; ctr < match.Groups.Count; ctr++) {
      Console.WriteLine("   Group {0}:  {1}", ctr, match.Groups[ctr].Value);
      int captureCtr = 0;
      foreach (Capture capture in match.Groups[ctr].Captures) {
         Console.WriteLine("      Capture {0}: {1}", 
                           captureCtr, capture.Value);
         captureCtr++; 
      }
   }
}

输出：

Matched text: QSMDRYCELL   11.00   11.10   11.00   11.00    -.90      11     11000     1.212
...
    Group 2:      1.212
         Capture 0:  11.00
         Capture 1:    11.10
         Capture 2:    11.00
...etc.

Answer 2

不幸的是，您需要重复(…) 8次以分别获取每列。

^(\S+)\s+([-.\d]+)\s+([-.\d]+)\s+([-.\d]+)\s+([-.\d]+)\s+([-.\d]+)\s+([-.\d]+)\s+([-.\d]+)\s+([-.\d]+)$

如果可以使用代码，您可以先将这些数字列作为一个整体进行匹配

>>> rx1 = re.compile(r'^(\S+)\s+((?:[-.\d]+\s+){7}[-.\d]+)$', re.M)
>>> allres = rx1.findall(theAsciiText)

然后按空格分割列

>>> [[p] + q.split() for p, q in allres]

Answer 3

如果您想知道警告出现的是什么，那是因为您的捕获组多次匹配（8，如您指定的那样），但捕获变量只能有一个值。它被分配了匹配的最后一个值。

如question 1313332中所述，使用正则表达式通常无法检索这些多个匹配，尽管.NET和Perl 6对它有一些支持。

警告提示您可以在整个集合中放置另一个组，如下所示：

(\S+)\s+((\s+[\d\.\-]+){8})

然后您就可以看到所有列，但当然它们不会分开。因为通常不可能单独捕获它们，所以更常见的目的是捕获所有这些，并且警告有助于提醒您。

正则表达式：重复捕获组

3 个答案: