python - python 中的连接正则表达式有时会失败

Question

我使用正则表达式来验证某些数据的格式是否正确，但有时会失败。

我有多个字段的数据条目。只有少数字段在格式上足够一致，或者从不为空而无法验证，因此我创建了一个小的正则表达式来匹配这些字段。我想将字段和正则表达式连接在一起，并为每个条目调用一次 match() 。尽管所有各个字段都与其各自的正则表达式匹配，但连接检查失败。

regs = ['\d.\d','[a-z][a-z]','\d{1,2}'] # list of regexes
indeces = [4, 15, 77] # list of indeces
for line in stdin:

    linesplit = line.rstrip().split('\t')
    testline = []
    for index in indeces:
        testline.append(linesplit[index])

    for i, e in enumerate(testline):
        print i, e, re.match(regs[i], e)

这工作正常，但当我尝试最后一点时，有时会失败。

fullregex = re.compile('\t'.join(regs))
f = fullregex.match('\t'.join(testline).rstrip())
print 'F', f, '!'

我的 fullregex 是否有问题，或者我得到的匹配只是误报？

Answer 1

您的各个正则表达式可以在列中匹配，但您的连接表达式则不能。

例如输入:

['1.1 bar', 'hello', '123 is a number']

匹配您的个人表达式，但当使用制表符连接时，不再匹配 fullregex模式。

添加[^\t]*作为表达式中的“填充”，以允许选项卡周围有额外的非制表符:

fullregex = re.compile(r'[^\t]*\t[^\t]*'.join(regs))

演示:

>>> import re
>>> regs = ['\d.\d','[a-z][a-z]','\d{1,2}']
>>> testline = ['1.1 bar', 'hello', '123 is a number']
>>> for i, (expr, line) in enumerate(zip(regs, testline)):
...     print i, line, re.match(expr, line)
... 
0 1.1 bar <_sre.SRE_Match object at 0x101c17e68>
1 hello <_sre.SRE_Match object at 0x101c17e68>
2 123 is a number <_sre.SRE_Match object at 0x101c17e68>
>>> re.match('\t'.join(regs), '\t'.join(testline))
>>> re.match(r'[^\t]*\t[^\t]*'.join(regs), '\t'.join(testline))
<_sre.SRE_Match object at 0x101c17e68>

如果您希望正则表达式验证整个列，则可以:

1. 使用 zip() 测试每一列和 anchor ( ^ 和 $ ):

   all(re.match('^{}$'.format(expr), col) for expr, col in zip(regs, testline))
   

   哪里all()只返回True如果所有表达式都匹配并且 anchor 确保表达式覆盖整个列，而不仅仅是一个子集。

2. 或使用 \t 连接列，但也要添加 anchor :

   re.match('^{}$'.format('\t'.join(regs)), '\t'.join(testline))
   

演示:

>>> regs = ['\d.\d','[a-z][a-z]','\d{1,2}']
>>> testline = ['1.1', 'he', '12']
>>> all(re.match('^{}$'.format(expr), col) for expr, col in zip(regs, testline))
True
>>> re.match('^{}$'.format('\t'.join(regs)), '\t'.join(testline))
<_sre.SRE_Match object at 0x101caa780>
>>> testline = ['1.1 bar', 'hello', '123 is a number']
>>> all(re.match('^{}$'.format(expr), col) for expr, col in zip(regs, testline))
False
>>> re.match('^{}$'.format('\t'.join(regs)), '\t'.join(testline)) is None
True