Python 中的正则表达式。不匹配

Posted 2023-02-23

【中文标题】Python 中的正则表达式。不匹配

【英文标题】：Regex in Python. NOT matches

【发布时间】：2011-07-09 13:06:07

【问题描述】：

我会直接说：我有一个这样的字符串（但有数千行）

Ach-emos_2
Ach. emos_54
Achėmos_18
Ąžuolas_4
Somtehing else_2

我需要删除与a-z 和ąčęėįšųūž 加上_ 加上any integer 不匹配的行（第 3 和第 4 行与此匹配）。这应该不区分大小写。我认为正则表达式应该是

[a-ząčęėįšųūž]+_\d+ #don't know where to put case insensitive modifier

但是应该如何看待匹配非 alpha（和立陶宛字母）加上下划线加整数的行的正则表达式？我试过了

re.sub(r'[^a-ząčęėįšųūž]+_\d+\n', '', words)

但不好。

提前致谢，如果我的英语不太好，请见谅。

【参考方案1】：

不知道python是如何做修饰符的，但是要就地编辑，使用类似这样的东西（不区分大小写）：

edit 请注意，其中一些字符是 utf8。要使用文字表示，您的编辑器和语言必须支持这一点，否则使用字符类中的 \u.. 代码（推荐）。

s/(?i)^(?![a-ząčęėįšųūž]+_\d+(?:\n|$)).*(?:\n|$)//mg;

正则表达式在哪里：r'(?i)^(?![a-ząčęėįšųūž]+_\d+(?:\n|$)).*(?:\n|$)' 替换是 '' 修饰符是多行和全局的。

细分：修饰符是全局和多行的

(?i)                              // case insensitive flag
^                                 // start of line
(?![a-ząčęėįšųūž]+_\d+(?:\n|$))   // look ahead, not this form of a line ?
.*                                // ok then select all except newline or eos
(?:\n|$)                          // select newline or end of string

【参考方案2】：

首先，给定您的示例输入，每一行都以下划线 + 整数结尾，因此您真正需要做的就是反转原始匹配。如果这个例子没有真正的代表性，那么反转匹配可能会得到这样的结果：

abcdefg_nodigitshere

但是你可以这样子过滤：

import re
mydigre = re.compile(r'_\d+$')
myreg = re.compile(r'^[a-ząčęėįšųūž]+_\d+$', re.I)

for line in inputs.splitlines():
    if re.match(myreg, line):
        # do x
    elif re.match(mydigre, line):
        # do y
    else:
        # line doesn't end with _\d+

另一种选择是使用 Python 集。仅当您的所有行都是唯一的（或者您不介意消除重复行）并且您不关心顺序时，这种方法才有意义。它可能也有很高的内存成本，但可能很快。

all_lines = set([line for line in inputs.splitlines()])
alpha_lines = set([line for line in all_lines if re.match(myreg, line)])
nonalpha_lines = all_lines - alpha_lines
nonalpha_digi_lines = set([line for line in nonalpha_lines if re.match(mydigire, line)])

【参考方案3】：

至于使匹配不区分大小写，您可以使用 re 模块中的 I 或 IGNORECASE 标志，例如在编译正则表达式时：

regex = re.compile("^[a-ząčęėįšųūž]+_\d+$", re.I)

至于删除与此正则表达式不匹配的行，您可以简单地构造一个由 匹配的行组成的新字符串：

new_s = "\n".join(line for line in s.split("\n") if re.match(regex, line))