Question

我已经挣扎了两天，终于敢问。

这是我的数据（文件）：

EXH;2;20180514103023+00;
TSH;FI__REPLACEMGA_LOS_92_12345;1;1;HOUR;kWh;24;201805120000+00;201805130000+00;LOS_92_12345;;;;;;LOS_92_12345;;;
TSV;1;201805120000+00;0.000000;Z01;
TSV;2;201805120100+00;0.000000;Z01;
TSV;3;201805120200+00;0.000000;Z01;
TSH;FI__REPLACEMGA_LOS_93_12345;1;1;HOUR;kWh;24;201805120000+00;201805130000+00;LOS_93_12345;;;;;;LOS_93_12345;;;
TSV;1;201805120000+00;0.000000;Z01;
TSV;2;201805120100+00;0.000000;Z01;
TSV;3;201805120200+00;0.000000;Z01;
TSV;4;201805120300+00;0.000000;Z01;
TSH;FI__REPLACEMGA_LOS_96_12345;1;1;HOUR;kWh;24;201805120000+00;201805130000+00;LOS_96_12345;;;;;;LOS_96_12345;;;
TSV;1;201805120000+00;0.000000;Z01;
TSV;2;201805120100+00;0.000000;Z01;
TSV;3;201805120200+00;0.000000;Z01;
TSV;4;201805120300+00;0.000000;Z01;
TSH;FI__REPLACEMGA_LOS_97_12345;1;1;HOUR;kWh;24;201805120000+00;201805130000+00;LOS_97_12345;;;;;;LOS_97_12345;;;
TSV;1;201805120000+00;0.000000;Z01;
TSV;2;201805120100+00;0.000000;Z01;
TSV;3;201805120200+00;0.000000;Z01;
TSV;4;201805120300+00;0.000000;Z01;
EXT;

我想从正则表达式中获取4个块（4个匹配项），例如：

TSH;FI__REPLACEMGA_LOS_92_12345;1;1;HOUR;kWh;24;201805120000+00;201805130000+00;LOS_92_12345;;;;;;LOS_92_12345;;;
TSV;1;201805120000+00;0.000000;Z01;
TSV;2;201805120100+00;0.000000;Z01;
TSV;3;201805120200+00;0.000000;Z01;

在每次比赛中，我都会应用一些正则表达式。但是现在，我无法进行正则表达式来返回这些匹配项。

这是我尝试过的：

(TSH;FI(?:.*?\r?\n?)*(?<=TSH;))+

但是这一次仅返回2个匹配项（每秒），可能是因为它消耗了每个“ TSH”；比赛结束后的那个方块。

(TSH;(?:.*?\r?\n?)*)+(?<=\nTSH;)

此人找到4个“ TSH”；但不是完整的区块。

需要帮助：）附言将在Python中使用

Answer 1

您可以使用以下模式：

(?s)^TSH;.*?Z01;(?=\nTSH|\nTSV;4)

(?s) re.DOTALL选项。
^TSH;在字符串开头匹配子字符串TSH;。
.*?懒惰地匹配任何东西。
Z01;匹配子字符串Z01;。
(?=\nTSH|\nTSV;4)。 TSH或TSV;4的正面预测。

您可以在线体验here。

在Python中，您可以使用：

print(re.findall(r'^TSH;.*?Z01;(?=\nTSH|\nTSV;4)',mystr,re.DOTALL|re.MULTILINE))

Answer 2

再也不敢问斗争时间是否更长。我敢打赌，您正在寻找这个：

TSH(?:\n|.)+?(?=\nTSH|\nEXT|\nTSV;4)

Regex101上的演示和此处的说明：

TSH很明显，字面上匹配
(?:\n|.)是一个非捕获字符组。因为.匹配任何字符（行终止符除外），所以您必须添加新的行字符\n。
(?:\n|.)+?匹配上述组中的至少一个字符
(?=\nTSH|\nEXT|\nTSV;4)，直到达到终止条件之一为止。请注意\n，否则，也将匹配一个空行。

Answer 3

老实说，我完全不会使用正则表达式来完成这项工作。

只用TSH分割，然后稍后进行清理似乎要容易得多。

因此，如果数据位于data中，我们可以执行以下操作：

blocks = [ "TSH" + block for block in data.split("TSH") ]

第一个块是虚假的，所以要摆脱它：

blocks = blocks[1:]

最后一块包含额外的"EXT;\n"，所以也要清理它：

blocks = blocks[-1] = blocks[-1][:-len("EXT;\n")]

就这样，您就完成了。

当然，这是假设TSH不会出现在数据中间。如果是这样，您可以按换行符拆分数据，查看哪些行以TSH开头，然后使用这些索引来精简数据。

这是一个令人讨厌的单行代码：

["\n".join(data.split()[i:j]) for i, j in zip(*(lambda a, b: (a, next(b) and b))(*itertools.tee(itertools.chain(( i for i, line in enumerate(data.split()) if line.startswith("TSH")), (len(data.split()),)))))]

Answer 4

已更正测试数据：

EXH;2;20180514103023+00;
TSH;FI__REPLACEMGA_LOS_92_12345;1;1;HOUR;kWh;24;201805120000+00;201805130000+00;LOS_92_12345;;;;;;LOS_92_12345;;;
TSV;1;201805120000+00;0.000000;Z01;
TSV;2;201805120100+00;0.000000;Z01;
TSV;3;201805120200+00;0.000000;Z01;
TSV;4;201805120300+00;0.000000;Z01;
TSH;FI__REPLACEMGA_LOS_93_12345;1;1;HOUR;kWh;24;201805120000+00;201805130000+00;LOS_93_12345;;;;;;LOS_93_12345;;;
TSV;1;201805120000+00;0.000000;Z01;
TSV;2;201805120100+00;0.000000;Z01;
TSV;3;201805120200+00;0.000000;Z01;
TSV;4;201805120300+00;0.000000;Z01;
TSH;FI__REPLACEMGA_LOS_96_12345;1;1;HOUR;kWh;24;201805120000+00;201805130000+00;LOS_96_12345;;;;;;LOS_96_12345;;;
TSV;1;201805120000+00;0.000000;Z01;
TSV;2;201805120100+00;0.000000;Z01;
TSV;3;201805120200+00;0.000000;Z01;
TSV;4;201805120300+00;0.000000;Z01;
TSH;FI__REPLACEMGA_LOS_97_12345;1;1;HOUR;kWh;24;201805120000+00;201805130000+00;LOS_97_12345;;;;;;LOS_97_12345;;;
TSV;1;201805120000+00;0.000000;Z01;
TSV;2;201805120100+00;0.000000;Z01;
TSV;3;201805120200+00;0.000000;Z01;
TSV;4;201805120300+00;0.000000;Z01;
EXT;

带有

这样的表达式

(?s)^TSH;.*?Z01;(?=\nTSH|\nEXT)

我确实得到了匹配，就像我想要的TSH块...。记录如下：

TSH;FI__REPLACEMGA_LOS_92_12345;1;1;HOUR;kWh;24;201805120000+00;201805130000+00;LOS_92_12345;;;;;;LOS_92_12345;;;
TSV;1;201805120000+00;0.000000;Z01;
TSV;2;201805120100+00;0.000000;Z01;
TSV;3;201805120200+00;0.000000;Z01;
TSV;4;201805120300+00;0.000000;Z01;

非常感谢UnbearableLightness

需要REGEX帮助返回关键字之间的多行

4 个答案: