Question

我正在开发一个python包，除其他外，需要处理包含数据集名称列表的文件，我需要提取这些名称的组件。

数据集名称的示例如下：

diskLineLuminosity：halpha：其余：Z1.0
diskLineLuminosity：halpha：其余：Z1.0：灰尘
diskLineLuminosity：halpha：其余：Z1.0：contam_NII
diskLineLuminosity：halpha：其余：Z1.0：contam_NII：contam_OII：contam_OIII
diskLineLuminosity：halpha：其余：Z1.0：contam_NII：contam_OIII：灰尘
diskLineLuminosity：halpha：其余：Z1.0：contam_OII：contam_NII
diskLineLuminosity：halpha：其余：Z1.0：contam_NII：最近

我正在寻找一种方法来解析数据集名称，使用正则表达式来提取所有数据集信息，包括＆＃34; contam _ *＆＃34;的所有实例的列表。（允许零实例）。我意识到我可以拆分字符串并使用fnmatch.filter或等效字符，但我还需要能够标记与上述语法不匹配的错误数据集名称。此外，正则表达式目前在整个包中的类似情况中被广泛使用，因此我不想引入第二种解析方法。

作为一个MWE，有一个示例数据集名称，我拼凑在一起：

import re
datasetName = "diskLineLuminosity:halpha:rest:z1.0:contam_NII:recent"
M = re.search("^(disk|spheroid)LineLuminosity:([^:]+):([^:]+):z([\d\.]+)(:recent)?(:contam_[^:]+)?(:dust[^:]+)?",datasetName)

返回：

print M.group(1,2,3,4,5,6,7)
('disk', 'halpha', 'rest', '1.0', None, ':contam_NII', None)

在包中，这个正则表达式搜索需要进入类似于：

的函数

def getDatasetNameInformation(datasetName):
    INFO = re.search("^(disk|spheroid)LineLuminosity:([^:]+):([^:]+):z([\d\.]+)(:recent)?(:contam_[^:]+)?(:dust[^:]+)?",datasetName)
    if not INFO:
        raise ParseError("Cannot parse '"+datasetName+"'!")
    return INFO

我还是新手使用正则表达式，所以如何修改re.search字符串以成功解析所有上述数据集名称并提取子字符串中的信息（包括所有污染实例的列表）？

感谢您提供的任何帮助！

Answer 1

如果您仍然学习正则表达式（说实话，以后也是如此），养成尽可能经常使用verbose模式的习惯，这样可以获得更好的代码和更易读的表达。

那就是说，你可以用

^
(disk|spheroid)
LineLuminosity:
([^:]+):
([^:]+):
z([\d\.]+)
((?::contam_[^:]+)+)?
(:recent)?
(:dust[^:]*)?

稍微更改了一下订单，并在contam部分内部使用了非捕获组，请参阅a demo on regex101.com。

Answer 2

您可以使用contam_捕获所有((?::contam_[^:]+)*)：这将在一个组中捕获所有这些import re datasetName = "diskLineLuminosity:halpha:rest:z1.0:recent:contam_NII:contam_NII:dust" M = re.search("^(disk|spheroid)LineLuminosity:([^:]+):([^:]+):z([\d\.]+)(?::(recent))?((?::contam_[^:]+)*)(?::(dust))?",datasetName) lst = list(M.groups()) if lst[5]: lst[5] = re.findall(":contam_([^:]+)", lst[5]) print(lst)。然后启动第二个正则表达式，仅在该匹配项上应用它，并将该结果用作第一个结果中的嵌套列表：

['disk', 'halpha', 'rest', '1.0', 'recent', ['NII', 'NII'], 'dust']

输出：

{{1}}

python中的正则表达式：匹配可选子串的重复

2 个答案: