python - 改进正则表达式搜索模式

Question

假设我有一个如下所示的文件:

'''
MFTF2LH_LSetC1_D-10_hot50_fa00_bpmax
MFTF2LH_LSetC1_D-11_hot50_fa00_bpmax
MFTF2LH_LSetC1_D-01_hot56_fa00_bpmax
MFTF2LH_LSetC1_D-02_hot56_fa00_bpmax
MFTF2LH_LSetC1_D-03_hot56_fa00_bpmax
MFTF2LH_LSetC1_D-04_hot50_fa00_bpmax
MFTF2LH_LSetC1_D-07_hot43_fa00_bpmax
MFTF2LH_LSetC1_D-10_hot56_fa00_bpmax
'''

但有数百万行。

我想做的是逐行阅读它并忽略那些具有以下特征的行:

• _D-XX_hotYY，其中 XX 包含在 [01, 07] 内，且 YY = 43 <强>或 50
• _D-XX_hot56，其中 XX 包含在 [08, 11] 范围内

因此对于上面的示例行，只有最后三行会被忽略。

我正在使用这个regex达到这个目的的模式( test here ):

pattern = '(_D-0[1-7]_hot(43|50)|_D-0[8,9]_hot56|_D-1[0,1]_hot56)'

但是我想知道是否有更好的方法来做到这一点，因为我只想返回一个 bool 值；没有群组或任何东西。

我是 regex 的初学者顺便说一句。

Answer 1

您可以通过使替代项仅在字符串中的不同位置匹配来改进您的模式。

使用

rx = re.compile(r'_D-(?:1[01]_hot56|0(?:[89]_hot56|[1-7]_hot(?:43|50)))')
# .... Read the file line by line ...
if not rx.search(line):
    # Ok, process

请参阅regex demo

图案详细信息:

• _D- - 文字子字符串
• (?: - 非捕获组的开始(与捕获组不同，不会为组创建内存缓冲区)匹配:
  • 1[01]_hot56 - 1，然后 0 或 1，然后 _hot56
  • | - 或
  • 0 - 一个 0 字符，然后
  • (?: - 第二个非捕获组
    • [89]_hot56 - 8 或 9，然后 _hot56
    • | 或
    • [1-7]_hot(?:43|50) - 从 1 到 7 的数字，然后是 _hot ，然后是 43 或 50
  • ) - 第二个非捕获组的末尾
• ) - 第一个非捕获组的末尾