Python，通过提取字符和数字子串来解析字符串

Question

我有一个字符串，由一些机器学习算法产生，通常由多行组成。在开头和结尾可以有一些行不包含任何字符（空格除外），中间应该有 2 行，每行包含一个单词，后跟一些数字和（有时）其他字符。

像这样


first_word  3 5 7 @  4
second_word 4 5 67| 5 [

我需要提取 2 个单词和数字字符。

我可以通过执行以下操作来消除空行：

lines_list = initial_string.split("\n")
for line in lines_list:
    if len(line) > 0 and not line.isspace():
        print(line)

但现在我想知道：

如果有更健壮、通用的方法
如何通过提取单词和数字（并丢弃数字之间混合的其他字符，如果有的话）来解析剩余的 2 条中心线中的每一条）

我想 reg 表达式可能会有用，但我从未真正使用过它们，所以我现在有点挣扎

Answer 1

我会在这里使用 re.findall：

inp = '''first_word  3 5 7 @  4
second_word 4 5 67| 5 ['''
matches = re.findall(r'\w+', inp)
print(matches)  # ['first_word', '3', '5', '7', '4', 'second_word', '4', '5', '67', '5']

如果你想单独处理每一行，那么只需在 CR?LF 上拆分输入并使用相同的方法：

inp = '''first_word  3 5 7 @  4
second_word 4 5 67| 5 ['''
lines = inp.split('\n')
for line in lines:
    matches = re.findall(r'\w+', line)
    print(matches)

这会打印：

['first_word', '3', '5', '7', '4']
['second_word', '4', '5', '67', '5']

Python，通过提取字符和数字子串来解析字符串

Python, parse string by extracting characters and digits substring

python

string

text-parsing