问题:Python提取模式匹配
Python 2.7.1我正在尝试使用python正则表达式来提取模式内的单词
我有一些看起来像这样的字符串
someline abc
someother line
name my_user_name is valid
some more lines
我要提取单词“ my_user_name”。我做类似的事情
import re
s = #that big string
p = re.compile("name .* is valid", re.flags)
p.match(s) #this gives me <_sre.SRE_Match object at 0x026B6838>
如何立即提取my_user_name?
回答 0
您需要从正则表达式捕获。search
对于模式,如果找到,请使用检索字符串group(index)
。假设执行了有效的检查:
>>> p = re.compile("name (.*) is valid")
>>> result = p.search(s)
>>> result
<_sre.SRE_Match object at 0x10555e738>
>>> result.group(1) # group(1) will return the 1st capture.
# group(0) will returned the entire matched text.
'my_user_name'
回答 1
您可以使用匹配组:
p = re.compile('name (.*) is valid')
例如
>>> import re
>>> p = re.compile('name (.*) is valid')
>>> s = """
... someline abc
... someother line
... name my_user_name is valid
... some more lines"""
>>> p.findall(s)
['my_user_name']
在这里,我使用re.findall
而不是re.search
获取的所有实例my_user_name
。使用re.search
,您需要从match对象上的组中获取数据:
>>> p.search(s) #gives a match object or None if no match is found
<_sre.SRE_Match object at 0xf5c60>
>>> p.search(s).group() #entire string that matched
'name my_user_name is valid'
>>> p.search(s).group(1) #first group that match in the string that matched
'my_user_name'
如评论中所述,您可能希望使正则表达式不贪心:
p = re.compile('name (.*?) is valid')
只能提取到'name '
下一个之间的内容' is valid'
(而不是让您的正则表达式来提取' is valid'
组中的其他内容。
回答 2
您可以使用如下形式:
import re
s = #that big string
# the parenthesis create a group with what was matched
# and '\w' matches only alphanumeric charactes
p = re.compile("name +(\w+) +is valid", re.flags)
# use search(), so the match doesn't have to happen
# at the beginning of "big string"
m = p.search(s)
# search() returns a Match object with information about what was matched
if m:
name = m.group(1)
else:
raise Exception('name not found')
回答 3
也许这更短一些,更容易理解:
import re
text = '... someline abc... someother line... name my_user_name is valid.. some more lines'
>>> re.search('name (.*) is valid', text).group(1)
'my_user_name'
回答 4
您需要一个捕获组。
p = re.compile("name (.*) is valid", re.flags) # parentheses for capture groups
print p.match(s).groups() # This gives you a tuple of your matches.
回答 5
您可以使用组(用'('
和表示')'
)捕获字符串的一部分。然后,match对象的group()
方法为您提供组的内容:
>>> import re
>>> s = 'name my_user_name is valid'
>>> match = re.search('name (.*) is valid', s)
>>> match.group(0) # the entire match
'name my_user_name is valid'
>>> match.group(1) # the first parenthesized subgroup
'my_user_name'
在Python 3.6及更高版本中,您也可以索引到match对象中,而不是使用group()
:
>>> match[0] # the entire match
'name my_user_name is valid'
>>> match[1] # the first parenthesized subgroup
'my_user_name'
回答 6
这是一种无需使用组(Python 3.6或更高版本)的方法:
>>> re.search('2\d\d\d[01]\d[0-3]\d', 'report_20191207.xml')[0]
'20191207'
回答 7
您还可以使用捕获组(?P<user>pattern)
并像字典一样访问该组match['user']
。
string = '''someline abc\n
someother line\n
name my_user_name is valid\n
some more lines\n'''
pattern = r'name (?P<user>.*) is valid'
matches = re.search(pattern, str(string), re.DOTALL)
print(matches['user'])
# my_user_name
回答 8
看来您实际上是在尝试提取名称,而只是找到一个匹配项。在这种情况下,为您的比赛设置跨度索引会有所帮助,我建议您使用re.finditer
。作为快捷方式,您知道name
正则表达式的部分是长度5,而is valid
长度是9,因此您可以对匹配的文本进行切片以提取名称。
注意-在您的示例中,它看起来像是s
带有换行符的字符串,因此以下假设。
## covert s to list of strings separated by line: s2 = s.splitlines() ## find matches by line: for i, j in enumerate(s2): matches = re.finditer("name (.*) is valid", j) ## ignore lines without a match if matches: ## loop through match group elements for k in matches: ## get text match_txt = k.group(0) ## get line span match_span = k.span(0) ## extract username my_user_name = match_txt[5:-9] ## compare with original text print(f'Extracted Username: {my_user_name} - found on line {i}') print('Match Text:', match_txt)
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。