Question

我试图在Python中使用正则表达式在字符串中找到匹配的字符串。 string看起来像这样：

band   1 # energy  -53.15719532 # occ.  2.00000000

ion      s      p      d    tot
  1  0.000  0.995  0.000  0.995
  2  0.000  0.000  0.000  0.000
tot  0.000  0.996  0.000  0.996

band   2 # energy  -53.15719532 # occ.  2.00000000

ion      s      p      d    tot
  1  0.000  0.995  0.000  0.995
  2  0.000  0.000  0.000  0.000
tot  0.000  0.996  0.000  0.996

band   3 # energy  -53.15719532 # occ.  2.00000000

我的目标是在tot之后找到字符串。所以匹配的字符串将是：

['0.000  0.996  0.000  0.996', 
'0.000  0.996  0.000  0.996']

这是我目前的代码：

pattern = re.compile(r'tot\s+(.*?)\n', re.DOTALL)
pattern.findall(string)

然而，输出给了我：

['1  0.000  0.995  0.000  0.995',
 '0.000  0.996  0.000  0.996',
 '1  0.000  0.995  0.000  0.995',
 '0.000  0.996  0.000  0.996']

知道我做错了什么？

Answer 1

您不想要DOTALL标志。将其删除并改为使用MULTILINE。

pattern = re.compile(r'^\s*tot(.*)', re.MULTILINE)

这匹配以tot开头的所有行。该行的其余部分将在第1组中。

引用documentation，强调我的：

re.DOTALL

使'.'特殊字符与任何字符匹配，包括   换行;如果没有此标记，'.'将匹配除a之外的任何内容   换行符。

请注意，您可以在没有正则表达式的情况下轻松完成此操作。

with open("input.txt", "r") as data_file:
    for line in data_file:
        items = filter(None, line.split(" "))
        if items[0] == "tot":
            # etc

Answer 2

您正在使用re.DOTALL，这意味着点“。”将匹配任何内容，甚至是换行符，实质上找到“tot”-s以及下一个换行符之后的所有内容：

                            tot
  1  0.000  0.995  0.000  0.995

和

tot  0.000  0.996  0.000  0.996

删除re.DOTALL应解决您的问题。

编辑：实际上，DOTALL标志实际上并不是问题（尽管不必要）。模式中的问题是\ s +与换行符匹配。用单个空格替换它可以解决这个问题：

pattern = re.compile(r'tot (.*?)\n')

Answer 3

使用具有特定正则表达式模式的re.findall函数的替代解决方案：

# str is your inital string
result = re.findall('tot [0-9 .]+(?=\n|$)', str)
print(result)

输出：

['tot  0.000  0.996  0.000  0.996', 'tot  0.000  0.996  0.000  0.996']

python正则表达式找到匹配的字符串

3 个答案: