正则表达式 (re.search) 无法检测错误

Question

我正在尝试使用 re.search 检测 CSV 文件中的数据错误，其中不正确的数据（与给定模式不匹配）将被发送到一个列表（错误），而正确的数据（与模式匹配的）将被发送到另一个列表（干净）。

这是数据在 CSV 文件中的样子：

UES9151GS5  DEN PEK
UES915*GS5  JFK FCO
WYu2010YH8  ORD CAN
HCA3158QA6  ORD ~AN
HCA3158QA6  KUL A;S
HCA3158QA6  0   LHR
HCA3158QA6  A;S ORD
HCA3158QA6  ~AN PVG

这是我的代码：

import csv
import re

clean = []
error = []

pid_pattern = '[A-Z]{3}[0-9]{4}[A-Z]{2}[0-9]'
dept_pattern = '[A-Z]{3}'
arr_pattern = '[A-Z]{3}'

with open(r"test.csv") as csvfile:
    reader = csvfile
    for i in reader:
        pid = re.search(pid_pattern, i)
        dept = re.search(dept_pattern, i)
        arr = re.search(arr_pattern, i)
        
        if pid !=None and dept != None and arr != None:
             clean.append(i)
        elif pid == None:
            error.append(i)
        elif dept == None:
            error.append(i)
        elif arr == None:
            error.append(i)

所以，在我运行我得到的代码之后：

clean
['UES9151GS5,DEN,PEK\n',
 'HCA3158QA6,ORD,~AN\n',
 'HCA3158QA6,A;S,A;S,\n',
 'HCA3158QA6,0,LHR\n',
 'HCA3158QA6,A;S,ORD\n',
 'HCA3158QA6,~AN,PVG\n']

error
['UES915*GS5,JFK,FCO\n',
 'WYu2010YH8,ORD,CAN\n']

显然代码只检查第一列 (pid) 并忽略其余部分。预期结果应该是这样的：

clean
['UES9151GS5,DEN,PEK\n']

error
['HCA3158QA6,ORD,~AN\n',
 'HCA3158QA6,A;S,A;S,\n',
 'HCA3158QA6,0,LHR\n',
 'HCA3158QA6,A;S,ORD\n',
 'HCA3158QA6,~AN,PVG\n',
 'UES915*GS5,JFK,FCO\n',
 'WYu2010YH8,ORD,CAN\n']

到目前为止，我无法找到错误或找到任何替代解决方案。

Answer 1

问题是正则表达式总是在它找到的第一个匹配项上触发。由于 csv reader 返回格式类似于 "PID,DEPT,ARR" 的行，这意味着如果 PID 中的格式为 [A-Z]{3}，它将找到匹配项。为防止出现这种情况，请将列分开并在与该列对应的每个部分上搜索正则表达式（我不确定如何执行此操作）或更改正则表达式。

import csv
import re

clean = []
error = []

pid_pattern = '[A-Z]{3}[0-9]{4}[A-Z]{2}[0-9],.+,.+' // only look at the first column
dept_pattern = '.+,[A-Z]{3},.+' // only look at second column
arr_pattern = '.+,.+[A-Z]{3}' // only look at third column

with open(r"test.csv") as csvfile:
    reader = csvfile
    for i in reader:
        pid = re.search(pid_pattern,i)
        dept = re.search(dept_pattern,i)
        arr = re.search(arr_pattern,i)

        if pid !=None and dept != None and arr != None:
             clean.append(i)
        elif passenger_id == None:
            error.append(i)
        elif departure == None:
            error.append(i)
        elif arrival == None:
            error.append(i)

或者您可以将整个正则表达式合并为一个 [A-Z]{3}[0-9]{4}[A-Z]{2}[0-9],[A-Z]{3},[A-Z]{3}

使用匹配和组捕获的正则表达式([A-Z]{3}[0-9]{4}[A-Z]{2}[0-9]),([A-Z]{3}),([A-Z]{3})

正则表达式 (re.search) 无法检测错误

Regular expression (re.search) is unable to detect errors

python

regex

csv

python-3.x

python-re