个人中心
文章发布
退出
作者热门文章
- ubuntu12.04环境下使用kvm ioctl接口实现最简单的虚拟机
- Ubuntu 通过无线网络安装Ubuntu Server启动系统后连接无线网络的方法
- 在Ubuntu上搭建网桥的方法
- ubuntu 虚拟机上网方式及相关配置详解
26
4
CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.
这篇CFSDN的博客文章Python for Informatics 第11章之正则表达式（四）由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.
注：以下文章原文来自于Dr Charles Severance 的 《Python for Informatics》 。
11.3 组合查询和抽取 。
如果我们想以“X-”字符串开头的行中找到数字，就像下面两行字符串:
X-DSPAM-Confidence: 0.8475 X-DSPAM-Probability: 0.0000 。
但我们不只是要任意行中的任意浮点数，而是具备上面格式的行中的数字.
我们可以创建以下正则表达式来选择这样的行:
^X-.*: [0-9.]+ 。
这个表达式的含义是以“X-”两个字符开头，后面跟了任意个字符“.*"，接着是一个冒号":"和空格" "，在空格之后呢是一个及以上的数字或小数点“[0-9.]+”。大家要注意的是方括号中的"[.]"不是匹配任何字符，而是匹配真正的"."，这与方括号外的"."要予以区分.
这是一个非常紧凑的表达式，它将非常匹配我们感兴趣的行:
|
1
2
3
4
5
6
|
import
re
hand
=
open
(
'mobx-short.txt'
)
for
line
in
hand:
line
=
line.rstrip()
if
re.search(
'^X-.*: [0-9.]+'
, line)
print
(line)
|
当我们运行这个程序，我们可以看到我们想要的数据被完美的过滤显示.
X-DSPAM-Confidence: 0.8475 X-DSPAM-Probability: 0.0000 X-DSPAM-Confidence: 0.6178 X-DSPAM-Probability: 0.0000 。
但是我们必须使用split解决提取数字的问题。然而当这个问题简单到能用split解决时，我们可以使用正则表达式的另一特点，一步达到查找和解析功能.
圆括号()是正则表达式中的另一特殊字符。当我们添加圆括号至表达式中，在字符串的匹配过程中它们将被忽略，但是当你使用findall()时，圆括号表示你想整个正则表达式被匹配，但是你只抽取位于圆括号内你感兴趣的那部分字符串.
所以我们对程序修改如下:
|
1
2
3
4
5
6
7
|
import
re
hand
=
open
(
'mbox-short.txt'
)
for
line
in
hand:
line
=
line.rstrip()
x
=
re.findall(
'^X-.*: ([0-9.]+)'
, line)
if
len
(x) >
0
:
print
(x)
|
我们在正则表达式中对匹配浮点数字部分添加圆括号，并且用findall()代替search()，返回我们想要的浮点数字部分。这个程序的输出如下:
['0.8475'] ['0.0000'] ['0.6178'] ['0.0000'] ['0.6961'] ['0.0000'] .. 。
虽然这些在列表中的数字还需要从字符串转换为浮点数，但是我们应用正则表达式的能力同时查找和抽取了我们感兴趣的的信息.
下面是使用这个技巧的另一个案例。如果你查看文件，你会发现有许多行是这样的格式:
Details: http://source.sakaiproject.org/viewsvn/?view=rev&rev=39772 。
如果我们想用同样的技巧抽取所有修订号（行末尾的整数），我们可以这样编写代码:
|
1
2
3
4
5
6
7
|
import
re
hand
=
open
(
'mbox-short.txt'
)
for
line
in
hand:
line
=
line.rstrip()
x
=
re.findall(
'^Details:.*rev=([0-9]+)'
, line)
if
len
(x) >
0
:
print
(x)
|
我们的正则表达式的是这样的，以"Details:"开头，之后可以是任意字符”.*"，然后是"rev="，最后是一个以上的数字。我们希望行是匹配整个正则表达式，但我们只需要圆括号中"[0-9]+"的数字。当我们运行程序时，将得到以下输出:
['39772'] ['39771'] ['39770'] ['39769'] ... 。
记住，"[0-9]+"是贪婪的，它将尝试抽取任何可能的数字，所以我们得到的每个字符串都有五个数字。正则表达式库在行的开头和结尾两个方向进行扩展，只到它数到一个非数字的字符.
我们可以用正则表达式重做本书先前的一个练习。在这个练习中我们对每个邮件的时间感兴趣，我们寻找的行的格式如下:
From stephen.marquard@uct.ac.za Sat Jan 5 09:14:16 2008 。
并且我们想抽取每一行中日期中的小时信息。先前我们通过两次调用split实现。第一次我们将行分离成单词，然后我们对第五个单词基于冒号再次分离，拉出我们感兴趣的两个字符.
假定要查找的行是良好格式化的，那么只要想到少的代码就可以实现。但是当你为确保程序中碰到不具备这样格式而失效，而添加必要的错误检验（或者一个try/except块）时，这个代码将会膨胀到10-15行，并且难以读懂.
我们可以用下面的正则表达式使工作更简单:
^From .* [0-9][0-9]:
这个表达式的含义是以"From "开头（注意空格），然后跟着任意个字符".*"，接着又是一个空格，然后是两个数字"[0-9][0-9]"，再接着是一个冒号。我们要找的就是具备这样格式的行.
为了在findall中只抽出表示小时的两位数字，我们将表达式修改如下:
^From .* ([0-9][0-9]):
最后这个程序是这样的:
|
1
2
3
4
5
6
7
|
import
re
hand
=
open
(
'mbox-short.txt'
)
for
line
in
hand:
line
=
line.rstrip()
x
=
re.findall(
'ˆFrom .* ([0-9][0-9]):'
, line)
if
len
(x) >
0
:
print
(x)
|
程序运行结果如下:
['09'] ['18'] ['16'] ['15'] ... 。
相关阅读:
Python for Informatics 第11章 正则表达式(一) 。
Python for Informatics 第11章之正则表达式（二） 。
关于Python for Informatics 第11章之正则表达式（四）就给大家介绍到这里，希望对大家有所帮助。后续还会持续更新，更多精彩内容敬请关注！ 。
最后此篇关于Python for Informatics 第11章之正则表达式（四）的文章就讲到这里了,如果你想了解更多关于Python for Informatics 第11章之正则表达式（四）的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。
26
4
0
我正在用 yacc/bison 编写一个简单的计算器。 表达式的语法看起来有点像这样: expr : NUM | expr '+' expr { $$ = $1 + $3; } | expr '-'
我开始学习 lambda 表达式，并在以下情况下遇到了以下语句: interface MyNumber { double getValue(); } MyNumber number; nu
这两个 Linq 查询有什么区别: var result = ResultLists().Where( c=> c.code == "abc").FirstOrDefault(); // vs. va
如果我们查看 draft C++ standard 5.1.2 Lambda 表达式 段 2 说(强调我的 future ): The evaluation of a lambda-expressio
我使用的是 Mule 4.2.2 运行时、studio 7.5.1 和 Oracle JDK 1.8.0_251。 我在 java 代码中使用 Lambda 表达式，该表达式由 java Invoke
我是 XPath 的新手。我有网页的html源 http://london.craigslist.co.uk/com/1233708939.html 现在我想从上面的页面中提取以下数据 完整日期 电子
已关闭。这个问题是 off-topic 。目前不接受答案。 想要改进这个问题吗？ Update the question所以它是on-topic用于堆栈溢出。 已关闭10 年前。 Improve th
我将如何编写一个 Cron 表达式以在每天上午 8 点和下午 3:30 触发？我了解如何创建每天触发一次的表达式，而不是在多个设定时间触发。提前致谢 最佳答案 你应该只使用两行。 0 8 * * *
这个问题已经有答案了: What do 3 dots next to a parameter type mean in Java? (9 个回答) varargs and the '...' argu
我是 python 新手，在阅读 BeautifulSoup 教程时，我不明白这个表达式“[x for x in titles if x.findChildren()][:-1]”我不明白？你能解释一
(?:) 这是一个有效的 ruby 正则表达式，谁能告诉我它是什么意思？ 谢谢 最佳答案 正如其他人所说，它被用作正则表达式的非捕获语法，但是，它也是正则表达式之外的有效 ruby 语法。 在
这个问题在这里已经有了答案: Why does ++[[]][+[]]+[+[]] return the string "10"? (10 个答案) 关闭 8 年前。 谁能帮我处理这个 JavaSc
这个问题在这里已经有了答案: What is the "-->" operator in C++? (29 个答案) Java: Prefix/postfix of increment/decrem
这个问题在这里已经有了答案: List comprehension vs. lambda + filter (16 个答案) 关闭 10 个月前。 我不确定我是否需要 lambda 或其他东西。但是，
C 中的 assert() 函数工作原理对我来说就像一片黑暗的森林。根据这里的答案https://stackoverflow.com/a/1571360 ，您可以使用以下构造将自定义消息输出到您的断言
在this页，John Barnes 写道: If the conditional expression is the argument of a type conversion then effec
我必须创建一个调度程序，它必须每周从第一天上午 9 点到第二天晚上 11 点 59 分运行 2 天(星期四和星期五)。为此，我需要提供一个 cron 表达式。 0-0 0-0 9-23 ? * THU
我正在尝试编写一个 Linq 表达式来检查派生类中的属性，但该列表由来自基类的成员组成。下面的示例代码。以“var list”开头的 Process 方法的第二行无法编译，但我不确定应该使用什么语法来
此 sed 表达式将输入字符串转换为两行输出字符串。两条输出行中的每一行都由输入的子串组成。第一行需要转换成大写: s:random_stuff\(choice1\|choice2\){\([^}]*
我正在使用 Quartz.Net 在我的应用程序中安排我的工作。我只是想知道是否可以为以下场景构建 CRON 表达式: Every second between 2:15AM and 5:20AM 最
我是一名优秀的程序员,十分优秀！