Question

我正在尝试使用python中的regex解析一个长字符串。字符串是这样的：

 Output = "Name:AmelieAge:30Nationality:english"

基本上，字段名称是固定的但我可以有一个更复杂的字符串和重复数据，例如：

  Output = "Name:AmelieAge:30Nationality:englishName:NikeAge:20Nationality:frenshName:davidAge:50Nationality:Irish"

我正在寻找一种方法来获得这样的结构化数据：

Name:Amelie
Age:30
Nationality:english

Name:David
Age:50
Nationality:Irish

如果您有任何关于使用正则表达式的建议，以便解析这个长字符串。

仅供参考：字符串大小是随意的

Answer 1

尝试：

>>> re.findall("[A-Z][a-z]+\:[\w\d][a-z\d]+", Output)
['Name:Amelie', 'Age:30', 'Nationality:english']

我认为所有的键都以大写字母开头，而且除了第一个键之外，Values没有大写字母。

Answer 2

re.findall("[A-Z]\w+:[\d\w]+(?=[A-Z]\w+|$)", Output)

使用先行断言是最好的方法。这个正则表达式将捕获以大写字母开头并以大写字母开头的字符串，然后继续:，之后它将捕获任何数字或字母，直到留下以字母开头的字符组并继续字母或直到到达文本的末尾。

这将正确捕捉群体，即使在@ bigOTHER的评论中也是如此。

Answer 3

您可以从字符串中创建一个字典列表：

import re, itertools

Output = "Name:AmelieAge:30Nationality:englishName:NikeAge:20Nationality:frenshName:davidAge:50Nationality:Irish"

entries = []
i_split = iter(re.split("(Name|Nationality|Age):", Output)[1:])

for entry in iter(lambda: list(itertools.islice(i_split, 6)), []):
    i_entry = iter(entry)
    d_entry = {k:next(i_entry) for k in i_entry}
    entries.append(d_entry) 

# Display the whole list
print entries
print

# Display entries one at a time
for entry in entries:
    for k, v in entry.items():
        print "{}:{}".format(k,v)
    print

这会给你输出：

[{'Nationality': 'english', 'Age': '30', 'Name': 'Amelie'}, {'Nationality': 'frensh', 'Age': '20', 'Name': 'Nike'}, {'Nationality': 'Irish', 'Age': '50', 'Name': 'david'}]

Nationality:english
Age:30
Name:Amelie

Nationality:frensh
Age:20
Name:Nike

Nationality:Irish
Age:50
Name:david

在python中解析一个长字符串

3 个答案: