使用 OR 运算符的 Python 正则表达式

Question

我正在尝试使用正则表达式 (RE) 解析大量文本文件样本。我试图从这些文件中提取包含 'vu' 并以换行符 '\n' 结尾的部分文本。

模式因文件而异，因此我尝试使用 OR 运算符在我的文件中查找 RE 的组合。但是，我没有找到一种方法来自动化我的代码，以便 re.findall() 函数查找 RE 的组合。

这是我尝试解决此问题的示例，但显然我仍然无法同时评估我的正则表达式和 re.findall() 中的 OR 运算符：

import re

def series2string(myserie) :
    myserie2 = ' or '.join(serie for serie in myserie)
    return myserie2

def expression(pattern, mystring) : 
    x = re.findall(pattern, mystring)
    if len(x)>0:
        return 1
    else:
        return 0

#text example
text = "\n\n    (troisième chambre)\n    i - vu la requête, enregistrée le 28 février 1997 sous le n° 97nc00465, présentée pour m. z... farinez, demeurant ... à dommartin-aux-bois (vosges), par me y..., avocat ;\n"

#expressions to look out
pattern1 = '^\s*vu.*\n'
pattern2 = '^\s*\(\w*\s*\w*\)\s*.*?vu.*\n'

pattern = [pattern1, pattern2]
pattern = series2string(pattern)

expression(pattern, text)

注意：我通过在 for 循环 中查找每个模式来规避这个问题，但是如果我可以使用 re.findall( ) 一次。

Answer 1

Python 正则表达式使用| 运算符进行交替。

def series2string(myserie) :
    myserie2 = '|'.join(serie for serie in myserie)
    myserie2 = '(' + myserie2 + ')'
    return myserie2

更多信息：https://docs.python.org/3/library/re.html

---

个别模式看起来真的很乱，所以我不知道什么是错误，什么是故意的。我猜你在几个不同的上下文中寻找“vu”这个词。

1. 始终使用 Python 原始字符串作为正则表达式，前缀为 r (r'pattern here')。它允许您在模式中使用\，而无需 python 尝试将其解释为字符串转义。它直接传递给正则表达式引擎。 (ref)
2. 使用\s 匹配空格（空格和换行符）。
3. 由于您已经有多种替代模式，因此不要将( 和) 设为可选。它可能导致灾难性的回溯，这会使匹配大字符串变得非常慢。
   \(? → \(
\)? → \)
4. {1} 什么都不做。它只是重复上一个子模式一次，这与不指定任何内容相同。
5. \br 无效。它被解释为\b（ASCII 钟形字符）+ 字母r。
6. 文本字符串的开头有一个引号字符 (')。要么您打算 ^ 匹配任何行的开头，要么 ' 是复制/粘贴错误。

7. 组合模式时的一些错误：

   pattern = [pattern1, pattern2, pattern3, pattern4]
   pattern = series2string(pattern)
   
   expression(re.compile(pattern), text)
   

Answer 2

感谢您的提示。在我的第一篇文章中，我的正则表达式有点笨拙（我改变了它们，希望这个问题更容易理解）。由于're.compile'，我设法捕获了 OR 运算符'|'，并且代码运行良好！

import re

def series2string(myserie) :
    myserie2 = '|'.join(serie for serie in myserie)
    return myserie2

def expression(pattern, mystring) : 
    x = re.findall(pattern, mystring)
    if len(x)>0:
        return 1
    else:
        return 0

#text example
text = "\n\n    (troisième chambre)\n    i - vu la requête, enregistrée le 28 février 1997 sous le n° 97nc00465, présentée pour m. z... farinez, demeurant ... à dommartin-aux-bois (vosges), par me y..., avocat ;\n"

#expressions to look out
pattern1 = r'^\s*vu.*\n'
pattern2 = r'^\s*\(\w*\s*\w*\)\s*.*?vu.*\n'

pattern = [pattern1, pattern2]
pattern = series2string(pattern)

expression(re.compile(pattern), text)