我想使用正则表达式完成以下操作:
INPUT
M1 hello world 1234_5678 ip som lorem 9321_1231 iste natus error sit voluptatem 4313_4351 ratione voluptatem sequi nesciunt 4312_1234
M2 magnam aliquam 4351_3143 sed quia non numquam 3123_1432
输出
M1 hello world 1234 5678
M1 ip som lorem 9321 1231
M1 iste natus error sit voluptatem 4313 4351
M2 magnam aliquam 4351 3143
M2 sed quia non numquam 3123 1432
reg-ex匹配
(M[1|2])?\s+(\D+)(\d{4})_(\d{4})(\n)?
和sub
\1\t\2\t\3\t\4\n
让我靠近(参见:https://regex101.com/r/tKgCBi/1/)
M1 hello world 1234 5678
ip som lorem 9321 1231
iste natus error sit voluptatem 4313 4351
ratione voluptatem sequi nesciunt 4312 1234
M2 magnam aliquam 4351 3143
sed quia non numquam 3123 1432
如果未进行此(可选)匹配,如何使用最后一个(可选)匹配的组?我假设在(M [1 | 2])时设置\ 1 = NULL?失败。
(我正在使用Python的“重新”模块)
答案 0 :(得分:1)
您可以使用2-regex方法:匹配有资格进行拆分的行,然后将这些匹配传递给回调方法以进一步处理它们:
import re
s = '''M1 hello world 1234_5678 ip som lorem 9321_1231 iste natus error sit voluptatem 4313_4351 ratione voluptatem sequi nesciunt 4312_1234
M2 magnam aliquam 4351_3143 sed quia non numquam 3123_1432'''
def repl(m):
return re.sub(r'\s+(\D+)(\d{4})_(\d{4})', '{}\t\\1\t\\2\t\\3\n'.format(m.group(1)), m.group(2))
whole_line_pattern = r'(?m)^(M[12])?((?:\s+\D+\d{4}_\d{4})+)$[\n\r]*'
res = re.sub(whole_line_pattern, repl, s)
print(res)
模式1 :
(?m)^
- 匹配行的开头(M[12])?
- 第1组匹配M1
或M2
((?:\s+\D+\d{4}_\d{4})+)
- 1个或多个序列:
\s+
- 1+空格\D+
- 1+非数字字符\d{4}_\d{4}
- 4位数,_
,4位$[\n\r]*
- 包含0+换行符的行尾每个匹配都使用repl
方法处理。正则表达式替换发现
\s+
- 1+空格(\D+)
- 第1组:一个或多个非数字字符(\d{4})
- 第2组:四位字符_
- _
符号(\d{4})
- 第2组:四位字符匹配项被替换为M1
或M2
(m.group(1)
),而\\1
等是对插入非数字块的捕获组的反向引用,带有标签字符的4位数字块。