python - python中的简单正则表达式

Question

我有一个包含两种类型行的文本文件。一种类型如下:

'6-digit-primary-id','6-digit-secondary-id',subject,author,text

另一个只是没有特定模式的单词。在前一种情况下，我想知道主 ID 和文本，而在后一种情况下，我想获取单词。我尝试过的:

PATTERN = r'[1-9]{6},[1-9]{6},?*,?*,*'
match = re.match(PATTERN,input_line)
if match:
    primary_id = match.group()[0]
    text = match.group()[7]
else:
    text = input_line

但显然我做错了什么(得到“无效语法”)

谁能给我指出正确的方向吗？

Answer 1

? 在正则表达式模式中具有特殊含义。它(贪婪地)匹配前面的正则表达式的 0 或 1 个。因此 ,? 匹配逗号或不匹配逗号。 ,?* 引发 sre_compile.error。

也许您想要使用 . 而不是 ？。它匹配除换行符之外的任何字符(除非指定了 re.DOTALL 标志)。

PATTERN = r'(\d{6}),(\d{6}),(.*?),(.*?),(.*)'
match = re.match(PATTERN, input_line)
if match:
    primary_id = match.group(1)
    text = match.group(5)
else:
    text = input_line

<小时/>

其他一些建议:

• 您可以使用\d指定字符模式[0-9]。请注意，这会将 0 添加到您的角色类中。 (我认为这没问题)。如果没有，您可以继续使用 [1-9]{6}。
• 如果您将组放入正则表达式模式中，那么您可以指定使用 match.group(num) 而不是 match.group()[num] 的部分。 (看起来您想要 match.group(5) 而不是 match.group()[7]。)
• 模式 .* 匹配尽可能多的字符。 .*?非贪婪地匹配。您需要非贪婪地匹配主题和作者模式，以免它们扩展以匹配整行的其余部分。

• 此处 .*? 的替代方案是 [^,]*。这匹配 0 个或多个逗号以外的字符。

  PATTERN = r'(\d{6}),(\d{6}),([^,]*),([^,]*),(.*)'