Question

在解决Python Challenge中的一个问题时，我试图按如下方式解决：

使用以下字符读取文本文件中的输入：

DQheAbsaMLjTmAOKmNsLziVMenFxQdATQIjItwtyCHyeMwQTNxbbLXWZnGmDqHhXnLHfEyvzxMhSXzd
BEBaxeaPgQPttvqRvxHPEOUtIsttPDeeuGFgmDkKQcEYjuSuiGROGfYpzkQgvcCDBKrcYwHFlvPzDMEk
MyuPxvGtgSvWgrybKOnbEGhqHUXHhnyjFwSfTfaiWtAOMBZEScsOSumwPssjCPlLbLsPIGffDLpZzMKz
jarrjufhgxdrzywWosrblPRasvRUpZLaUbtDHGZQtvZOvHeVSTBHpitDllUljVvWrwvhpnVzeWVYhMPs
kMVcdeHzFZxTWocGvaKhhcnozRSbWsIEhpeNfJaRjLwWCvKfTLhuVsJczIYFPCyrOJxOPkXhVuCqCUgE
luwLBCmqPwDvUPuBRrJZhfEXHXSBvljqJVVfEGRUWRSHPeKUJCpMpIsrV.......

我需要的是浏览这个文本文件，然后选择每边只有三个大写字母包围的所有小写字母。

我编写的用于执行上述操作的python脚本如下：

import re

pattern = re.compile("[a-z][A-Z]{3}([a-z])[A-Z]{3}[a-z]")
f = open('/Users/Dev/Sometext.txt','r')
for line in f:
    result = pattern.search(line)
    if result:
       print result.groups()

 f.close()

上面给出的脚本，而不是返回捕获（小写字符列表），返回符合正则表达式条件的所有文本块，如

aXCSdFGHj
vCDFeTYHa
nHJUiKJHo
.........
.........

有人可以告诉我这里究竟出错了吗？而不是循环遍历整个文件，是否有另一种方法可以在整个文件上运行正则表达式搜索？

由于

Answer 1

我建议使用环视：

(?<=[A-Z]{3})(?<![A-Z].{3})([a-z])(?=[A-Z]{3})(?!.{3}[A-Z])

重叠匹配没有问题。

<强>解释

(?<=[A-Z]{3})  # assert that there are 3 uppercase letters before the current position
(?<![A-Z].{3}) # assert that there is no uppercase letter 4 characters before the current position
([a-z])        # match a lowercase character (all characters in the example are ASCII)
(?=[A-Z]{3})   # assert that there are 3 uppercase letter after the current position
(?!.{3}[A-Z])  # assert that there is no uppercase letter 4 characters after the current position

Answer 2

将result.groups()更改为result.group(1)，您将获得单个字母匹配。

您的代码的第二个问题是它不会在一行中找到多个结果。因此，您需要使用re.search或re.findall，而不是re.finditer。 findall将返回字符串或字符串元组，而finditer将返回匹配对象。

这是我遇到同样问题的地方：

import urllib
import re    

pat = re.compile('[a-z][A-Z]{3}([a-z])[A-Z]{3}[a-z]')
print ''.join(pat.findall(urllib.urlopen(
    "http://www.pythonchallenge.com/pc/def/equality.html").read()))

请注意，re.findall和re.finditer会返回非重叠结果。因此，当使用上述模式并re.findall搜索字符串'aBBBcDDDeFFFg'时，您的唯一匹配将是'c'，而不是'e'。幸运的是，这个Python Challenge问题不包含这样的例子。

Answer 3

import re

with open('/Users/Dev/Sometext.txt','r') as f: 
    tokens = re.findall(r'[a-z][A-Z]{3}([a-z])[A-Z]{3}[a-z]', f.read())

    for token ins tokens:
        print token

findall做了什么：

返回所有非重叠的匹配项字符串中的模式，作为列表字符串。扫描字符串从左到右，比赛是按顺序返回。如果一个或更多的团体出现在模式，返回组列表;这个将是一个元组列表，如果模式有多个组。空匹配包含在结果中除非他们触及开头另一场比赛。

可能是re模块中最有用的功能。

read（）函数将整个文件读入大字符串。如果您需要将正则表达式与整个文件匹配，这将非常有用。

警告：根据文件的大小，您可能更喜欢在第一种方法中逐行遍历文件。

使用正则表达式Python搜索和捕获角色

3 个答案: