Python 正则表达式：如何处理行

Question

我有一个巨大的 txt 文件，其格式如下：

BadLine
      property1=a
      property2=b
BadLine2
      property1=c
      property2=d
GOODLINE1
      property1=e
      property2=f

...以及更多好的和坏的台词。

我需要做的是提取好线的属性（上例中的e和f）。

我可以很容易地在我的文件中找到好的行，但是我如何 select 只在与好的行相关联的块中搜索其他正则表达式的属性？

谢谢大家！

Answer 1

以下代码：

import re

test = '''
BadLine
      property1=a
      property2=b
BadLine2
      property1=c
      property2=d
GOODLINE1
      property1=e
      property2=f
BadLine
      property1=a
      property2=b
BadLine2
      property1=c
      property2=d
GOODLINE2
      property1=e
      property2=f
'''

pattern = r'^(GOODLINE(?:[^\n]|\n )*)'

print re.compile(pattern, re.MULTILINE).findall(test)

产生这些结果：

['GOODLINE1\n      property1=e\n      property2=f', 'GOODLINE2\n      property1=e\n      property2=f']

该模式匹配出现在行首的 "GOODLINE"，以及其后非换行符的贪婪匹配字符，以及后跟 space 个字符的换行符。如果您的文本实际上在换行后有制表符而不是 spaces，您可以将 space 更改为制表符。或者，您可以通过像这样更改模式来轻松匹配：

pattern = r'^(GOODLINE(?:[^\n]|\n[ \t])*)'

一旦有了这些匹配项，就可以非常容易地使用常规字符串 split() 来提取属性。

或者，您可以查看 rson 包解析是否满足您的需求——这看起来是一个可以轻松解析的文件。

Answer 2

简短的回答是你可以：

GOODLINE[\d+]*\n.*property1=(.+)*\n.*property2=(.+)*\n?

在这种情况下，两个括号将是您要查找的值。如果您在以 windows/mac 样式创建的文件中有字符串，您将有不同的结束字符：windows 中的'\r\n' 和 mac 中的'\r' .在 linux 系统中，您将只有 '\n'。上面的模式将与字符串开头或结尾的任何 Goodline 匹配，即使末尾没有任何换行符。您在属性中的值也可以超过一个字符。

你可以试试一个非常有用的网站，Pythex来试试你的正则表达式。

您可以尝试的代码是：

import re
pattern = re.compile('GOODLINE[\d+]*\n.*property1=(.+)*\n.*property2=(.+)*\n?')
matchRes = re.findall(pattern,'''BadLine2
      property1=c
      property2=d
GOODLINE11
      property1=e
      property2=f
BadLine2
      property1=c
      property2=d
GOODLINE11
      property1=eee34
      property2=f00
BadLine2
      property1=c
      property2=d
GOODLINE1
      property1=e
      property2=f''');

if matchRes:
    print matchRes
else:
    print 'No match'

您将在列表中得到以下结果，每对是 property1 和 property2 值：

[('e', 'f'), ('eee34', 'f00'), ('e', 'f')]

Python 正则表达式：如何处理行

Python RegEx: How to deal with lines

python

regex

lines