Question

我有一个数据集，我想抓住数据的某些方面。对于第一行和第一个单词，如果它等于regex = re.compile(r'\A([A-Z][a-z][A-Z]\w*[-]\w*')。我如何在行（破折号）之间刮取数据并将数据保留在行中并删除不等于“正则表达式”的标识符的数据。

例如：我希望将数据保留在AbD000000-10和DeD000000-10内，而不是888888-10。

-------------------------------------------------------------------------------

AbD000000-10
Issue 1  
Issue 2          Q             Q            Q 
ID: 2             MsEhdiehsla2 MsEhasdhsla2  hiGndiehsla2
ID: 3 

-------------------------------------------------------------------------------
888888-10
         Q             Q            Q 
ID: 2             MsEhdiehsla2 MsEhasdhsla2  hiGndiehsla2
ID: 3 

-------------------------------------------------------------------------------
DeD000000-10
Issue 1  
Issue 2          Q             Q            Q 
ID: 2             MsEhdiehsla2 MsEhasdhsla2  hiGndiehsla2
ID: 3 

-------------------------------------------------------------------------------

我希望看到我的输出看起来像：

-------------------------------------------------------------------------------

AbD000000-10
Issue 1  
Issue 2          Q             Q            Q 
ID: 2             MsEhdiehsla2 MsEhasdhsla2  hiGndiehsla2
ID: 3 

-------------------------------------------------------------------------------
DeD000000-10
Issue 1  
Issue 2          Q             Q            Q 
ID: 2             MsEhdiehsla2 MsEhasdhsla2  hiGndiehsla2
ID: 3 

-------------------------------------------------------------------------------

我将如何在python中执行此操作？

我能够获取内部的所有信息，但有没有办法创建我可以玩的数据段。

谢谢！

Answer 1

我认为你的正则表达式已被破坏（\A并不属于）。

在这种方法中，我假设分隔符将始终相同。我假设你不想进一步打破这些障碍。这只抓取你想要的块。您可以格式化它们但是很方便（包括在打印块时将分隔符打印出来）。

import re

r = re.compile(r'([A-Z][a-z][A-Z]\w*[-]\w*')
sep = "#-------------------------------------------------------------------------------#"
input_text = """
#------------------------------------------------------------------------------#

AbD000000-10
Issue 1  
Issue 2          Q             Q            Q 
ID: 2             MsEhdiehsla2 MsEhasdhsla2  hiGndiehsla2
ID: 3 

#------------------------------------------------------------------------------#
888888-10
         Q             Q            Q 
ID: 2             MsEhdiehsla2 MsEhasdhsla2  hiGndiehsla2
ID: 3 

#------------------------------------------------------------------------------#
DeD000000-10
Issue 1  
Issue 2          Q             Q            Q 
ID: 2             MsEhdiehsla2 MsEhasdhsla2  hiGndiehsla2
ID: 3 

#------------------------------------------------------------------------------#
"""
s = input_text.split(sep)
keep = [x for x in s if re.search(r , x)]

for v in keep:
    print(v)

但是，真的，如果你可以提供帮助，最好从更好的来源消费这些数据。如果这是一个日志文件，您可能无法对其进行大量控制。但是，如果可以，看看你是否可以获得更清晰的数据来源（可能是csv？）。

使用Python在模式之间刮取数据

1 个答案: