python中十六进制字符串的正则表达式不起作用

Posted 2023-02-23

【中文标题】python中十六进制字符串的正则表达式不起作用

【英文标题】：Regular expression for hexadecimal string in python not working

【发布时间】：2012-05-03 11:11:24

【问题描述】：

我有一个正则表达式来匹配字符串，例如：

--D2CBA65440D

--77094A27E09

--77094A27E

--770

--77094A27E09--

基本上，它匹配一个由一个或多个换行符或空格包围的十六进制字符串，并具有前缀 -- 可能有也可能没有 -- 作为后缀

我使用以下 python 代码，大部分时间都可以正常工作：

hexaPattern = "\s--[0-9a-fA-F]+[--]?\s"
hex = re.search(hexaPattern, part)
if hex:
   print "found a match"

这适用于上述所有情况，但与此块中的 --77094A27E09 不匹配：

<div id="arrow2" class="headerLinksImg" style="display:block

--77094A27E09

;">

但匹配相同的字符串：

<input type="checkbox" name="checkbox" id="checkboxKG3" class

--77094A27E09

Content-T="checkboxKG" value="KG3" />

我做错了什么？

【问题讨论】：

尝试修剪两边的 html，直到找到导致问题的字符

我得到了该块的匹配项：rubular.com/r/wfqgEPHObB

请注意，[--]? 将匹配一个或不匹配一个破折号，不是两个破折号。我想你的意思是(--)?

我的意思是两个破折号......但[--]? 工作

【参考方案1】：

其他人指出您的正则表达式存在问题，即[--]，它基本上以非常规的方式找到一个连字符......无论如何，这都不是您想要的。

我还建议在正则表达式的开头和结尾同时使用\s 在某些情况下也会导致问题，因为它匹配spaces、tabs 和newlines。因此，您最终可能会遇到这样一种情况：您的文件有 --77094A27E09\n--D2CBA65440D，而第二个 --D2CBA65440D 将不匹配，因为在上一场比赛结束时，\s 使用了换行符。

此外，您似乎正在单独检查文件中的每一行，而您实际上并不需要这样做。您可以使用re.findall 一口气获得所有匹配项。

最后，字符串开头的-- 似乎是你真正的标记，而不是开头或结尾的\s。那么为什么不将--([0-9a-fA-F]+)(?:--)? 与十六进制数字周围的组一起使用。 findall 只返回你想要的组。然后你可以这样做（将整个 html 文件读入一个字符串，并检查所有匹配项）：

text = """
<input type="checkbox" name="checkbox" id="checkboxKG3" class
--D2CBA65440D
<a>    --77094A27E09--  </a>
  hello world  --77094A27E
--770--
    --77094A27E09
Content-T="checkboxKG" value="KG3" />
"""
import re
hexapattern = r'--([0-9a-fA-F]+)(?:--)?'
print re.findall(hexapattern, text)
>>> ['D2CBA65440D', '77094A27E09', '77094A27E', '770', '77094A27E09']

我认为这是你想要的

【参考方案2】：

我使用了以下内容：

pattern = re.compile(r'(\n--)([0-9A-F]+)(--)?', re.I | re.S | re.M)

而且效果很好。感谢您的所有贡献。

【讨论】：

只是，仅供参考，如果它位于缓冲区的开头，这将与模式不匹配。使用以色列提到的^ 可以在任何行的开头找到它。

【参考方案3】：

import re
hexaPattern = re.compile(r'\s--([0-9a-fA-F]+)(?:--)?\s')
m = re.search(hexaPattern, part)
if m:
   print "found a match:", m.group(1)

这会预编译模式以提高速度。这使用r''（原始字符串），因此反斜杠肯定会正确传递。这会添加括号以创建“匹配组”，以便您可以在匹配后提取十六进制字符串；它还在第二个-- 字符串周围添加了一个“不匹配组”。

因为您在第二个“--”周围使用了方括号，所以您得到了一个“字符类”。我不确定字符类 [--] 到底匹配什么；我认为它应该与任何 '-' 字符匹配。在字符类中，“-”通常用于范围，如[a-z]，但范围[--] 没有意义，所以我认为它会退回到仅匹配'-'。问题是：因为后面有 ?，它只能匹配零个或一个 '-' 字符，而您需要它能够匹配两个。

【讨论】：

值得一提的是，如果你使用了很多不同的模式，你只需要编译模式。根据python re docs 的说法，这些值是缓存的，所以如果你只使用几个模式，编译它们不会有什么用。

【参考方案4】：

试试这个： hexaPattern = r"^--[0-9a-fA-F]+(--)?\s"

我插入的修复是：

r 开头，这样反斜杠就不会被引号“吃掉”

^ 在开头匹配字符串的开头

然后将-- 放在括号中而不是方括号中（括号似乎是一个错误）

【讨论】：

你不想从一开始就匹配。 OP 的十六进制值嵌入到较长的 html 字符串中。