Python - 正则表达式在方法中的返回值与它本身的返回值不同

Question

这需要一个目录(下面的文件示例列表)并解析任何与正确格式匹配的内容(如下)，修复任何带有额外或缺少空格的内容(这就是问题)，并附加任何带有区分符号的内容。问题是正则表达式本身工作正常，但我的 checkProper() 中可能存在一些问题对我来说非常不明显的方法。它可以分离已经处于正确格式的文件(在循环的第一部分)，但在检查任何已修复的内容时似乎不起作用。看来问题出在循环中的某个地方，而不是修复正则表达式(re.sub)，因为我尝试了其他几种方法并得到了相同的结果(goodFix[] 为空)。这应该修复这些文件，但事实并非如此。

正确的格式:

201308 - (82608) - MAC 2233-007-Methods of Calculus - Lastname, Firstname.pdf

目录中文件的示例列表:

201308 (82608)  MAC 2233-007-Methods of Calculus - Lname, Lee.txt
201308 - (12345) - ABC 2233L-007-course Name - last, first.txt
201308 - (12345) - XYZ 2233L-007-course Name 1 - last, first.txt
201308 - (82422) - MAA 5228-001- Introductory Analysis 1 - Zhang, Xiaodong.txt
201308 - (82429) - MAC 1105-004-College Algebra - Somelastname, Jesse.txt
201308 - (82490) - MAC 2311-003-Calculus and Analytic Geometry 1 - Lastname, Heinrich.txt
201308 - (82608) - MAC 2233-007-Methods of Calculus - Lname, Lee.txt
201308 - (82609) - MAC 2233L-007-Methods of Calculus 1 - Lname, Lee.txt
201308 - (96144) - STA 3173-001 - Introduction to Biostatistics - Qian, Lianfen.txt
201308 - (96381) - MAT 1033-023 -I ntemediate Algebra - Escuder, Ana.txt
201308 - (96444) - MAC 2313-009 - Calculus and Analytic Geometry 3 - Locke, Stephen.txt
@ 201308  -  @ '  ;  ,, @ 45 - 12 - xyz - mno  -  123.txt

请注意，上面的“Qian、Escuder、Locke”是应该更正为正确格式的文件示例，但实际上没有。

方法:

def readDir(path1):
    return [ f for f in os.listdir(path1) if os.path.isfile(os.path.join(path1,f)) ]

def checkProper(f,term):
    return re.match(term + '\s-\s\(\d{5}\)\s-\s\w{3}\s\d{4}\w?-\d{3}-[^\.]+\s-\s[^\.]+\.txt', f)

def regexSubFix(f,term):
    return re.sub(term + '\s*-\s*(\(\d{5}\))\s*-\s*(\w{3}\s\d{4}\w?-\d{3}-(?:[^.\s]|\b\s\b)+)\s*-\s*([^.]+\.txt)$', r' - \1 - \2 - \3', f)

def regexFindallFix(f):
    return ' - '.join(str(elem) for elem in re.findall(r'^(\d+)\s*-\s*(\(\d+\))\s*-\s*(.*?)\s*-\s*(\S+,.*)$', f)[0])

def properFiles(dir1,term,path1):
    goodMatch = []; stillWrong = []; goodFix = [] #; fixed = ""
    for f in dir1:
        result = checkProper(f,term)
        if result: goodMatch.append(result.group(0))
        else:
            #fixed = re.sub(r"(?<=[0-9]) *- *(?=[^0-9a-zA-Z])", " - ", re.sub(r"(?<=[^0-9]) *- *(?=[0-9a-zA-Z])", " - ", f))
            #fixed = parseFix(f)
            #fixed = regexFindallFix(f)
            fixed = regexSubFix(f,term)
            print "^^^^^^   ",fixed
            if checkProper(fixed,term):
                os.rename(path1+'\\'+f, path1+'\\'+fixed); goodFix.append(f)
            else: os.rename(path1+'\\'+f, path1+'\\'+'@ '+f); stillWrong.append(f)
        #print "f ---- ",f
    goodToGo = len(goodMatch)+len(goodFix); total = len(dir1)
    print "%d total files. %d files in proper format. %f%% success rate."%(total,goodToGo,(goodToGo/(float(total)))*100.0)
    print "All files not in proper format are appended with @ to be clearly marked for the user."
    return goodMatch, goodFix, stillWrong

当在 main 中调用时，readDir()提供目录中要传递到 properFiles() 的文件列表。 regexSubFix()是现在使用的方法，但带有 regexFindallFix()和另一种方法，结果是相同的(并且 goodFix[] 没有附加任何内容)。 checkProper()似乎在其他所有方面都工作正常，但最后一个 if 语句似乎没有捕获 fixed文件。

我正在学习 Python，所以我相当确定初级程序员可以很快发现这个问题，但如果任何专业人士遇到这个问题，我相信这对他们来说是小菜一碟。

编辑:这些文件具有不正确的空格，但由于某种原因未修复:

201308 - (82442) - MAC 1105 - 012 - College Algebra - Harmon, Drake.txt

Answer 1

好的，我想我找到了问题:

要修复可以修复的问题，请将其设为您的 regexSubFid def:

def regexSubFix(f,term):
    return re.sub(term + r'\s*-\s*(\(\d{5}\))\s*-\s*(\w{3}\s\d{4}\w?\s*-\s*\d{3}\s*-\s*(?:[^.\s]|\b\s\b)+)\s*-\s*([^.]+\.txt)$',
          lambda match: term+' - {0} - {1} - {2}'.format(match.group(1),
          re.sub(r'\s*-\s*', '-', match.group(2)),
          match.group(3)) ,
          f)

接下来，将 if 部分更改为:

if checkProper(fixed,term):
    goodFix.append(fixed)
else: stillWrong.append(fixed)

剩下的唯一的事情就是你有这个文件，它变成了这样:

201308 - (96381) - MAT 1033-023-I ntemediate Algebra - Escuder, Ana.txt