Question

我需要解析一个大文本文件，寻找这样的模式：

string='Path Group: sclk ;djlasfhv slack 5t45545 545 (VIOLATED)    -0.8568      Path Group: sclk ;djlasfhv slack (VIOLATED)       -0.88 Path Group: sclkasfhv slack (VIOLATED)                -0.121'
violation = re.findall('Path Group: sclk.*VIOLATED\)\s*(-[0-9]\.[0-9]+)', string)

这只打印最后一个-0.121。我期待[-0.8568，-0.88，-0.121]

P.S。我刚刚给出了一个示例字符串。实际文件非常庞大。我正在寻找我的正则表达式中字符串后面的所有-ve数字。

我犯的错误是什么？

Answer 1

让它变得非贪婪。你的正则表达式中存在的.*是贪婪的，它尽可能匹配所有的角色。所以这将匹配所有，-[0-9]\.[0-9]+模式应该捕获最后一个数字。

violation = re.findall(r'Path Group: sclk.*?VIOLATED\)\s*(-[0-9]\.[0-9]+)', string)
                                           ^

示例：的

>>> import re
>>> string='Path Group: sclk ;djlasfhv slack 5t45545 545 (VIOLATED)    -0.8568      Path Group: sclk ;djlasfhv slack (VIOLATED)       -0.88 Path Group: sclkasfhv slack (VIOLATED)                -0.121'
>>> re.findall(r'Path Group: sclk.*?VIOLATED\)\s*(-[0-9]\.[0-9]+)', string)
['-0.8568', '-0.88', '-0.121']

Answer 2

比懒惰匹配更好，更有效的正则表达式

violation = re.findall(r'Path Group: sclk[^V]*(?:V(?!IOLATED\))[^V]*)*VIOLATED\)\s*(-[0-9]\.[0-9]+)', string)

请参阅IDEONE demo

请参阅regex demo

它基于Jeffrey E. F. Friedl's "unrolling the loop" method，基本上与具有延迟匹配的版本相同，但更有效：

Path Group: sclk - 文字字符序列
[^V]*(?:V(?!IOLATED\))[^V]*)*VIOLATED\) - 第一个“VIOLATED”
\s* - 0个或更多空格
(-[0-9]\.[0-9]+) - 捕获到第1组-，然后是数字，然后是句点，然后是1位或更多位数。

re.findall不匹配所有匹配

2 个答案: