python - python中多次出现的正则表达式

Question

我需要解析具有多种语言代码的行，如下所示

008800002     Bruxelles-Nord$Br�ussel Nord$<deu>$Brussel Noord$<nld>

• 008800002做一个ID
• Bruxelles-Nord$Br�ussel Nord$是 name1
• deu成为语言一员
• $Brussel Noord$成为二号人物
• nld作为第二语言。

所以，这个想法是名称和语言可以出现 N 次。我需要把它们全部收集起来。<> 中的语言长度为 3 个字符(固定)所有名称都以 $ 结尾签名。

我试过这个，但它没有给出预期的输出。

x = re.compile('(?P<stop_id>\d{9})\s(?P<authority>[[\x00-\x7F]{3}|\s{3}])\s(?P<stop_name>.*)
    (?P<lang_code>(?:[<]\S{0,4}))',flags=re.UNICODE)

我不知道如何获取重复元素。需要

Bruxelles-Nord$Br�ussel Nord$<deu>$Brussel Noord$作为 stop_name 和 <nld>作为语言。

Answer 1

分两步进行。首先将 ID 与名称/语言对分开；然后在名称/语言部分使用 re.finditer 迭代这些对并将它们填充到字典中。

import re

line = u"008800002     Bruxelles-Nord$Br�ussel Nord$<deu>$Brussel Noord$<nld>"
m = re.search("(\d+)\s+(.*)", line, re.UNICODE)
id = m.group(1)
names = {}
for m in re.finditer("(.*?)<(.*?)>", m.group(2), re.UNICODE):
    names[m.group(2)] = m.group(1)
print id, names