Skip to main content
 首页 » 编程设计

python之从长字符串中提取特定的字母数字模式

2024年11月24日23开发

我想从类似这样的文本中匹配组号和他们的行组:

domain 1  
654789 text (one or more lines) 
domain 2 
125478 text (one or more lines) 

我想得到:

domain 1 654789 
domain 2 125478 

我的代码是:

import re 
from re import match 
 
domain = re.compile(r'[-+]?domain') 
terminal = re.compile(r'^[0-9][0-9]{6}(?!\d)')         
with open('in_texto.txt') as file_in: 
    for linea in file_in: 
        for match in re.finditer(domain, linea): 
            dom = re.findall('\d+', linea)[0] 
            print(dom) 
            for lineas in file_in: 
                for match in re.finditer(terminal, lineas): 
                    print(dom+" "+lineas, end='') 

但它只打印:

654789 text 
956478 text 
125478 text 
 ..... 

我该如何解决这个问题?

请您参考如下方法:

这是一个使用模块 regex 的解决方案(它实际上与使用 re 完全相同)

# import regex  # or re - then subsitute regex.split for re.split etc. 
# string = 'domain 1 \ntotal.....\n======= \n\n654789 text \n956478 text\ndomain 2\n======= \ncolumn..... \n\n\n125478 text \n456987 text ' 
 
domains = regex.split(r'domain \d+', string) 
out = list() 
for k in range(1, len(domains)): 
    out.extend(['domain {} {}'.format(k, d) for d in regex.findall(r'\d+(?=\s*text)', domains[k])]) 
out 
# ['domain 1 654789', 'domain 1 956478', 'domain 2 125478', 'domain 2 456987'] 
  • 首先,我们按域拆分原始文本字符串。
  • 然后对于每个域,我们使用正则表达式 \d+(?=\s*text) 获取数字。
  • 我们最终处理提取的数字,添加相应的域并将结果附加到我们的列表。