从 python 中成功的正则表达式匹配构建字典

Posted 2023-02-23

【中文标题】从 python 中成功的正则表达式匹配构建字典

【英文标题】：Build a dictionary from successful regex matches in python

【发布时间】：2012-06-21 03:58:21

【问题描述】：

我对 Python 还是很陌生，我正在尝试解析一个文件。文件中只有某些行包含感兴趣的数据，我想最终得到一个从文件中有效匹配行解析的内容的字典。

下面的代码可以工作，但它有点难看，我正在尝试学习它应该如何完成，也许是理解，或者使用多行正则表达式。我正在使用 Python 3.2。

file_data = open('x:\\path\\to\\file','r').readlines()
my_list = []
for line in file_data:
    # discard lines which don't match at all
    if re.search(pattern, line):
        # icky, repeating search!!
        one_tuple = re.search(pattern, line).group(3,2)
        my_list.append(one_tuple)
my_dict = dict(my_list)

您能提出一个更好的实施方案吗？

【问题讨论】：

理解可能很漂亮，但您不能轻易地将变量绑定到其中的值，因此您需要双精度 re.search。只需使用一个循环。

【参考方案1】：

以下是对代码的一些快速优化：

my_dict = dict()

with open(r'x:\path\to\file', 'r') as data:
    for line in data:
        match = re.search(pattern, line)
        if match:
            one_tuple = match.group(3, 2)
            my_dict[one_tuple[0]] = one_tuple[1]

【参考方案2】：

我不确定我是否会推荐它，但您可以尝试使用推导式来代替（为简单起见，我用字符串代替了文件）

>>> import re
>>> data = """1foo bar
... 2bing baz
... 3spam eggs
... nomatch
... """
>>> pattern = r"(.)(\w+)\s(\w+)"
>>> x[0]: x[1] for x in (m.group(3, 2) for m in (re.search(pattern, line) for line in data.splitlines()) if m)
'baz': 'bing', 'eggs': 'spam', 'bar': 'foo'

【讨论】：

字典理解；我喜欢！

【参考方案3】：

本着EAFP 的精神，我建议

with open(r'x:\path\to\file', 'r') as data:
    for line in data:
        try:
            m = re.search(pattern, line)
            my_dict[m.group(2)] = m.group(3)
        except AttributeError:
            pass

另一种方法是继续使用列表，但重新设计模式，使其仅包含两个组(key, value)。然后你可以简单地这样做：

  matches = [re.findall(pattern, line) for line in data]
  mydict = dict(x[0] for x in matches if x)

【参考方案4】：

感谢您的回复。把它们放在一起后，我得到了

file_data = open('x:\\path\\to\\file','r').read()
my_list = re.findall(pattern, file_data, re.MULTILINE)
my_dict = c:b for a,b,c in my_list

但我认为如果没有帮助，我今天不可能到达那里。

【讨论】：

您可能希望将正则表达式中的第一组设为非捕获 (?:) 以跳过理解步骤：my_dict = dict(re.findall...)

相当不错的改进。但是：将所有数据读入一个变量，而不是遍历一个文件对象（并隐式调用readline() 方法），可扩展性不是很好。 re.findall() 在迭代器而不是变量上工作得很好。

【参考方案5】：

matchRes = pattern.match(line)
if matchRes:
    my_dict = matchRes.groupdict()

【讨论】：

请按照您的代码 sn-p 进行一些详细说明，以便读者更清楚地解释。