Python正则表达式剪切模式字符串

Question

我有包含如下信息的文件:

 id                      : 1234567890
 1)client_name           : Abcd
 2)family_name           : Efgh
 5)phon_number           : 9876543210
 6)address               : street number
 data                    : [42|63] [42|62]

 id                      : 14785236984
 1)client_name           : Abcd
 2)family_name           : Efgh
 5)phon_number           : 987555555555
 6)address               : street number
 data                    : [44|67] [21|1024]          
 id                      : 987456321
 1)client_name           : Abcd
 2)family_name           : Efgh
 5)phon_number           : 98744444444
 6)address               : street number
 data                    : [26|1089] [21|1524]

我想用正则表达式划分这些信息，因为并非所有 block 都是独立的使用 new line('\n') 所以我很难用我尝试用正则表达式做的 split 来做到这一点:

^[\s]id[\w\W\s\S\t]+(\[\d{1,}\|\d{1,}\]{,2})$

但它需要我想要的所有 block ，结果应该是:

1. 第一组

    id                      : 1234567890
    1)client_name           : Abcd
    2)family_name           : Efgh
    5)phon_number           : 9876543210
    6)address               : street number
    data                    : [42|63] [42|62]
   

2. 第二组

    id                      : 14785236984
    1)client_name           : Abcd
    2)family_name           : Efgh
    5)phon_number           : 987555555555
    6)address               : street number
    data                    : [44|67] [21|1024]
   

3. 第三组

   id                      : 987456321
   1)client_name           : Abcd
   2)family_name           : Efgh
   5)phon_number           : 98744444444
   6)address               : street number
   data                    : [26|1089] [21|1524]
   

Answer 1

此正则表达式会将输入文本拆分为以 id 开头的组(如果您想保留空格，可以省略 .strip())。 Explanation of this regexp here。

data="""
 id                      : 1234567890
 1)client_name           : Abcd
 2)family_name           : Efgh
 5)phon_number           : 9876543210
 6)address               : street number
 data                    : [42|63] [42|62]

 id                      : 14785236984
 1)client_name           : Abcd
 2)family_name           : Efgh
 5)phon_number           : 987555555555
 6)address               : street number
 data                    : [44|67] [21|1024]
 id                      : 987456321
 1)client_name           : Abcd
 2)family_name           : Efgh
 5)phon_number           : 98744444444
 6)address               : street number
 data                    : [26|1089] [21|1524]
"""

import re
from pprint import pprint

pprint([i.strip() for i in re.findall(r'id\s*:.*?(?=id|\Z)', data, flags=re.DOTALL)], width=120)

输出将是 3 个字符串的列表(我在它们之间放置换行符以便清楚地看到它):

['id                      : 1234567890\n'
 ' 1)client_name           : Abcd\n'
 ' 2)family_name           : Efgh\n'
 ' 5)phon_number           : 9876543210\n'
 ' 6)address               : street number\n'
 ' data                    : [42|63] [42|62]',

 'id                      : 14785236984\n'
 ' 1)client_name           : Abcd\n'
 ' 2)family_name           : Efgh\n'
 ' 5)phon_number           : 987555555555\n'
 ' 6)address               : street number\n'
 ' data                    : [44|67] [21|1024]',

 'id                      : 987456321\n'
 ' 1)client_name           : Abcd\n'
 ' 2)family_name           : Efgh\n'
 ' 5)phon_number           : 98744444444\n'
 ' 6)address               : street number\n'
 ' data                    : [26|1089] [21|1524]']