Question

我有一个非常长的字符串 S ，其中包含以下格式的几个子字符串：

[&FULL="583 - node#597 <...a lot more characters inside...> ,REALNAME="node#638"]

那是：

以[&FULL="<a number with 1 to 3 digits>
以REALNAME="node#<a number with 1 to 3 digits>"]
中间有很多字符，包括一些特殊字符和空格。

我的目标是：

获取可以抓取所有此类子串的正则表达式
仅提取[&FULL=后的数字。我们将这些数字x[i]称为子字符串 i 。
用 x [i] 替换子字符串 i 。

可以想象，第2步和第3步很简单。我的部分解决方案是：

r'\[&FULL=[\s\S]*?(?=REALNAME="node#\d{1,3}"\])'

\[&FULL=匹配子字符串的起始部分
[\s\S]*匹配子字符串中间的任何内容
?(?=REALNAME="node#\d{1,3}"\])将匹配子字符串的尾端，但这就是问题所在。

后面使用(?=...)的部分不在其结果中返回REALNAME="node#638"]，因为嗯，这不是它的行为方式。但我想保留字符串的尾端，以便我可以使用replace()函数。

编辑：当前解决方案

# Matches *almost* everything, except for the bit at the back
# places the matches in a list
pattern1 = r'\[&FULL=[\s\S]*?(?=REALNAME="node#\d{1,3}"\])'
pattern1_ls = re.findall(pattern1, my_long_string)

# Pattern to match just the back: 'REALNAME=...'
pattern2 = r'REALNAME="node#\d{1,3}"\]'
realnames_ls = re.findall(pattern2, my_long_string)

# regex to extract NUMBER from each pattern1 result
pattern = r'\[&FULL="\d{1,3}'
for i in range(len(pattern1_ls)):
    # there should be only 1 result
    result=re.findall(pattern, pattern1_ls[i])[0]
    # ditch the first 8 characters, '[&FULL="'
    node_num = result[8:]
    original_pattern = pattern1_ls[i] 
    pattern1_ls[i] = [original_pattern, node_num]

# Replace pattern1 with [&branch_num=NUMBER]
for nd in pattern1_ls:
    my_long_string = my_long_string.replace(nd[0], nd[1])

# Replace pattern2 with empty string (i.e. delete it)
for nm in realnames_ls:
    my_long_string = my_long_string.replace(nm, "")

Answer 1

如果您只是使用群组，请执行以下操作：

\[&FULL=[\s\S]*?(?P<string>REALNAME="node#\d{1,3}"\])

以下是示例的链接：https://regex101.com/r/SFiS1G/1

Python正则表达式：包含整个字段

1 个答案: