在Python中使用正则表达式解析具有重复模式的字符串？

Posted 2023-04-18

【中文标题】在Python中使用正则表达式解析具有重复模式的字符串？

【英文标题】：Parsing string with repeating pattern with regex in Python?

【发布时间】：2019-12-07 17:51:56

【问题描述】：

我用 Python 脚本逐行读取了一个文本文件。我得到的是一个字符串列表，每行一个字符串。我现在需要将每个字符串解析为更易于管理的数据（即字符串、整数）。

字符串看起来像这样：

“描述（编号）”（例如“门（0）”） “描述（数字|数字|数字）”（例如“窗口（1|22|4）） “描述 (number|number|number|number)”（例如“toilet (2|6|5|10)）

现在我想要的是文本文件中每一行的 拆分/解析字符串列表，我可以进一步处理，例如：

“窗口 (1|22|4)”-> [“窗口”、“1”、“22”、“4”]

我想正则表达式是最适合实现这一点的，我已经设法想出了这个：

(.+)\s+((\d+)\)，完美匹配例如 [ "door", "0" ] for "door (0)"

但是，有些项目需要解析更多数据：

(.+)\s((\d+)+\|\)，仅匹配“window (1|22|4) 的 [ "window", "1" ]​​i>

我怎样才能重复模式匹配为部分(\d+)+\|（即“1|”）直到右括号，以获得该模式的未定义次数重复？最后要匹配的项目是一个整数，可以用(\d+)\) 单独捕获。

还有没有办法用一个正则表达式匹配简单或扩展情况？

谢谢！祝大家周末愉快！

【参考方案1】：

这是正则表达式：\w+ \((\d+\|)*\d+\)。但是imo你应该混合使用正则表达式和str.split

data = []
with open("f.txt") as f:
    for line in f:
        word, numbers = re.search(r"(\w+) \(([^)]+)\)", line).groups()
        data.append((word, *numbers.split("|")))

print(data) # [('door', '0'), ('window', '1', '22', '4')]

【参考方案2】：

import re
a = [r'door (0)',
    r'window (1|22|4)',
    r'toilet (2|6|5|10)'
]
for i in a: 
    print(re.findall('(\w+)',i))

结果：

['door', '0']
['window', '1', '22', '4']
['toilet', '2', '6', '5', '10']

【讨论】：

\d 是\w 的子集。第二组永远不匹配。代码相当于for i in a: b = re.findall('(\w+)',i) print ( b )

【参考方案3】：

不是原始的正则表达式，而是另一种提取和处理数据的方法是使用TTP模板

from ttp import ttp

template = """
<macro>
def process_matches(data):
    data["numbers"] = data["numbers"].split("|")
    return data
</macro>

<group name=" thing " macro="process_matches">
 thing  ( numbers )
</group>
"""

data = """
door (0)
window (1|22|4)
toilet (2|6|5|10)
"""

parser = ttp(data, template)
parser.parse()
print(parser.result(format="pprint")[0])

上面的代码会产生

[      'door': 'numbers': ['0'],
        'toilet': 'numbers': ['2', '6', '5', '10'],
        'window': 'numbers': ['1', '22', '4']]