Python：十六进制正则表达式问题答案

【问题标题】：Python: hexadecimal regular expression questionPython：十六进制正则表达式问题
【发布时间】：2010-08-03 10:31:37
【问题描述】：

我想解析一个名为 Docklight 的串行监控程序的输出（我强烈推荐它）它输出“十六进制”字符串：或一系列（两个大写十六进制数字后跟一个空格）。对应的正则表达式为：([0-9A-F]{2} )+ 例如：'05 03 DA 4B 3F '

当程序检测到特定的字符序列时，它会将 cmets 放在“十六进制”字符串中。例如：

'05 03 04 01 0A  The Header 03 08 0B BD AF  The PAYLOAD 0D 0A  The Footer'

cmets 是以下格式的字符串 ' .+ '（一系列字符，前面有一个空格，后面有一个空格）

我想摆脱 cmets。例如，上面过滤的“十六进制”字符串将是：

'05 03 04 01 0A 03 08 0B BD AF 0D 0A '

我该如何使用正则表达式来做到这一点？

【问题讨论】：

@SRT：假设 cmets 中没有 2 个字母的十六进制单词，否则输入会不明确。但是，cmets 可以包含带有（连续）十六进制数字的较长单词
ok.看看 greg 的回答
请注意：我通常用来测试正则表达式的是这个免费的在线测试器，它也适用于 Python 表达式（python 和 .net 表达式的大部分是相同的风格）：regexhero.net/tester
你如何推荐一个没有易于解析输出选项的包？
@JM：我推荐它，因为它是我发现的唯一可以在 Windows PC 上成功处理杀手级串行通信的工具。如果 cmets（用户定义的）遵循某种语法（例如，包含方括号），那么解析将是小菜一碟。我的客户不是这样

标签： python regex regex-negation

【解决方案1】：

你可以试试re.findall():

>>> a='05 03 04 01 0A  The Header 03 08 0B BD AF  The PAYLOAD 0D 0A  The Footer'
>>> re.findall(r"\b[0-9A-F]{2}\b", a)
['05', '03', '04', '01', '0A', '03', '08', '0B', 'BD', 'AF', '0D', '0A']

正则表达式中的\b 匹配“单词边界”。

当然，如果串行监视器插入THIS BE THE HEADER 之类的内容，您的输入就会不明确。

【讨论】：

【解决方案2】：

使用你的正则表达式

hexa = '([0-9A-F]{2} )+'
" ".join(re.findall(hexa, line))

【讨论】：

【解决方案3】：

假设插入的字符串不包含匹配项，查找所有十六进制数字可能会更容易：

>>> data = '05 03 04 01 0A  The Header 03 08 0B BD AF  The PAYLOAD 0D 0A  The Footer'
>>> import re
>>> pattern = re.compile("[0-9A-F]{2} ")
>>> "".join(pattern.findall(data))
'05 03 04 01 0A 03 08 0B BD AF AD 0D 0A '

否则，您可以使用插入的字符串前面有两个空格的事实：

>>> data = '05 03 04 01 0A  The Header 03 08 0B BD AF  The PAYLOAD 0D 0A  The Footer'
>>> re.sub("(  .*?)(?=( [0-9A-F]{2} |$))","",data)
'05 03 04 01 0A 03 08 0B BD AF 0D 0A'

这使用前瞻来计算插入的字符串何时结束。它查找由空格包围的十六进制字符串或源字符串的结尾。

【讨论】：

【解决方案4】：

实际使用正则表达式否定的解决方案怎么样？ ;)

result = re.sub(r"[ ]+(?:(?!\b[0-9A-F]{2}\b).)+", "", subject)

【讨论】：

也不错！测验：哪个更丑，你的正则表达式否定还是我的否定后视？大声笑
它太接近了，但如果你给你的词添加边界（我认为你应该这样做），你将成为明显的赢家。或者我应该说 unclear 获胜者？ ;)
你的愿望就是我的命令，我将它们添加到前瞻版本中；）

【解决方案5】：

虽然您已经收到了两个找到所有十六进制数字的答案，但直接正则表达式的情况与此相同，它可以找到所有看起来不像十六进制数字的文本（假设是大写/小写的两个字母/数字 0- 9 和 A-F 范围，后跟一个空格）。

类似这样的东西（对不起，我不是pythoneer，但你明白了）：

newstring = re.sub(r"[^ ]+(?<![0-9A-Fa-f ]{2}|^.)", "", yourstring)

它的工作原理是“回头看”。它找到每个连续的非空格子字符串，然后用(?<!....) 负向回顾。它说：“如果前两个字符不是十六进制数字，则成功”。末尾的小^. 防止错误匹配字符串的第一个字符。

编辑

正如 Alan Moore 所建议的，这里有一个带有积极前瞻表达式的相同想法：

newstring = re.sub(r"(?>\b[0-9A-Fa-f ]{2}\b)", "", yourstring)

【讨论】：

对这类事情使用前瞻通常更容易（而且可能更有效）。
@Alan，确实可能是这样，但您会更快地得到误报。在这种情况下，使用单词边界，它可以工作。我更新了答案。

【解决方案6】：

为什么是正则表达式？对我来说更多的 Pythonic 是（固定为 hexdigit 而非常规数字）：

command='05 03 04 01 0A  The Header 03 08 0B BD AF  The PAYLOAD 0D 0A  The Footer'
print ' '.join(com for com in command.split()
               if len(com)==2 and all(c.upper() in '0123456789ABCDEF' for c in com))

【讨论】：