我敢肯定,如果存在解决方案,那么它就在某处,但我找不到。我关注了Python regex to match a specific word在第一个方面取得了成功,但现在却在第二个方面苦苦挣扎。
我继承了一种糟糕的文件格式,其中每个测试结果都独占一行。它们被限制为每条记录 12 个字符,因此一些结果被分成多行组,例如 SITE、SITE1 和 SITE2。我正在尝试将文件解析为字典,以便我可以对其进行更多分析并最终生成格式化报告。
上面的链接/下面的代码允许我匹配每个站点并将它们连接在一起,但它给我正确匹配 INS、INS 1 和 INS 2 的问题。是的,空间是有意的——这是我必须处理的。 INS为测试结果,INS 1为通过测试的极限值。
是否有匹配的正则表达式
SITE > SITE 为真但 SITE > SITE1 为假
和
INS > INS 为真但 INS 到 INS 1 为假?
这是python代码。
import re
lines = ['SITE start', 'SITE1 more', 'SITE2 end','INS value1', 'INS 1 value2']
headings = ['SITE','SITE1',"SITE2", "INS", "INS 1"]
for line in lines:
for heading in headings:
headregex = r"\b" + heading + r"\b"
match = re.search(headregex,heading)
if match:
print "Found " + heading + " " + line
else:
print "Not Found " + heading + " " + line
这里是一些虚拟数据:
TEST MODE 131 AUTO SITE startaddy SITE1 middle addy SITE2 end addy<br/> USER DB VISUAL CHECK P BOND RANGE 25A EARTH 0.09 OHM P LIMIT 0.10 OHM INS 500 V INS 1 >299 MEG P ... TEST MODE 231 AUTO SITE startaddy SITE1 middle addy SITE2 end addy USER DB VISUAL CHECK P INS 500 V INS 2 >299 MEG P ...
对于可怕的格式感到抱歉 - 它是从我正在处理的内容中复制和粘贴的!
请您参考如下方法:
问题是 INS 模式在 INS 1 或 INS 2 等中的 INS 中找到部分匹配.
在提取备选方案的情况下,习惯上使用从最长值开始的备选方案(如 INS\d+|INS),但在这种情况下,您希望获得所有备选方案的列表正则表达式匹配仅排除一些重叠的标题匹配。
要实现这一点,有一种方法可以通过将所有标题项视为正则表达式来排除该匹配项,并将 INS 模式定义为 INS(?!\d) 以确保 INS 不匹配后跟空格和数字的情况。
参见 Python demo :
import re
lines = ['SITE start', 'SITE1 more', 'SITE2 end','INS value1', 'INS 1 value2']
headings = ['SITE','SITE1',"SITE2", r"INS(?! \d)", "INS 1"]
headings=sorted(headings, key=lambda x: len(x), reverse=True)
for line in lines:
print("----")
for heading in headings:
headregex = r"\b{}\b".format(heading)
match = re.search(headregex,heading)
if match:
print "Found " + heading + " " + line
else:
print "Not Found " + heading + " " + line
