Python 正则表达式剪切模式字符串

Question

我有这样的信息文件：

 id                      : 1234567890
 1)client_name           : Abcd
 2)family_name           : Efgh
 5)phon_number           : 9876543210
 6)address               : street number
 data                    : [42|63] [42|62]

 id                      : 14785236984
 1)client_name           : Abcd
 2)family_name           : Efgh
 5)phon_number           : 987555555555
 6)address               : street number
 data                    : [44|67] [21|1024]          
 id                      : 987456321
 1)client_name           : Abcd
 2)family_name           : Efgh
 5)phon_number           : 98744444444
 6)address               : street number
 data                    : [26|1089] [21|1524]

我想用正则表达式来划分这些信息，因为不是所有的块都是分开的 使用 new line('\n') 所以我很难使用 split 我尝试使用正则表达式：

^[\s]id[\w\W\s\S\t]+(\[\d{1,}\|\d{1,}\]{,2})$

但它需要我想要的所有块结果应该是：

1. 第一组

    id                      : 1234567890
    1)client_name           : Abcd
    2)family_name           : Efgh
    5)phon_number           : 9876543210
    6)address               : street number
    data                    : [42|63] [42|62]
   

2. 第二组

    id                      : 14785236984
    1)client_name           : Abcd
    2)family_name           : Efgh
    5)phon_number           : 987555555555
    6)address               : street number
    data                    : [44|67] [21|1024]
   

3. 第三组

   id                      : 987456321
   1)client_name           : Abcd
   2)family_name           : Efgh
   5)phon_number           : 98744444444
   6)address               : street number
   data                    : [26|1089] [21|1524]
   

Answer 1

此正则表达式会将输入文本拆分为以id 开头的组（如果您想保留空格，可以省略.strip()）。 Explanation of this regexp here.

data="""
 id                      : 1234567890
 1)client_name           : Abcd
 2)family_name           : Efgh
 5)phon_number           : 9876543210
 6)address               : street number
 data                    : [42|63] [42|62]

 id                      : 14785236984
 1)client_name           : Abcd
 2)family_name           : Efgh
 5)phon_number           : 987555555555
 6)address               : street number
 data                    : [44|67] [21|1024]
 id                      : 987456321
 1)client_name           : Abcd
 2)family_name           : Efgh
 5)phon_number           : 98744444444
 6)address               : street number
 data                    : [26|1089] [21|1524]
"""

import re
from pprint import pprint

pprint([i.strip() for i in re.findall(r'id\s*:.*?(?=id|\Z)', data, flags=re.DOTALL)], width=120)

输出将是 3 个字符串的列表（我在它们之间添加了换行符以便清楚地看到它）：

['id                      : 1234567890\n'
 ' 1)client_name           : Abcd\n'
 ' 2)family_name           : Efgh\n'
 ' 5)phon_number           : 9876543210\n'
 ' 6)address               : street number\n'
 ' data                    : [42|63] [42|62]',

 'id                      : 14785236984\n'
 ' 1)client_name           : Abcd\n'
 ' 2)family_name           : Efgh\n'
 ' 5)phon_number           : 987555555555\n'
 ' 6)address               : street number\n'
 ' data                    : [44|67] [21|1024]',

 'id                      : 987456321\n'
 ' 1)client_name           : Abcd\n'
 ' 2)family_name           : Efgh\n'
 ' 5)phon_number           : 98744444444\n'
 ' 6)address               : street number\n'
 ' data                    : [26|1089] [21|1524]']

Answer 2

这种方式似乎相当简单易读：

l = re.split(r'\n+(?=\s*id\b)', s.strip(), flags=re.M)
print l

由换行符分割，前面是 id。你也把原来的字符串去掉。

演示：https://ideone.com/No5vva

Answer 3

split 通过空格可能更容易，id 后跟空格：

re.compile("\s+(?=id\s{22}:)").split(s)

https://ideone.com/FSgVrN

Answer 4

您可以使用re.split(r'\s(?=id)', s)将整个字符串拆分为多个部分，然后拆分部分中的每一行，然后根据:拆分每一行以转换为dict

>>> s="""id                      : 1234567890
...  1)client_name           : Abcd
...  2)family_name           : Efgh
...  5)phon_number           : 9876543210
...  6)address               : street number
...  data                    : [42|63] [42|62]
... 
...  id                      : 14785236984
...  1)client_name           : Abcd
...  2)family_name           : Efgh
...  5)phon_number           : 987555555555
...  6)address               : street number
...  data                    : [44|67] [21|1024]          
...  id                      : 987456321
...  1)client_name           : Abcd
...  2)family_name           : Efgh
...  5)phon_number           : 98744444444
...  6)address               : street number
...  data                    : [26|1089] [21|1524]"""
>>> 
>>> import re
>>> sections = re.split(r'\s(?=id)', s)
>>> ld = [dict(map(str.strip, line.split(':')) for line in section.splitlines() if line) for section in sections]
>>> 
>>> pprint (sections)
['id                      : 1234567890\n'
 ' 1)client_name           : Abcd\n'
 ' 2)family_name           : Efgh\n'
 ' 5)phon_number           : 9876543210\n'
 ' 6)address               : street number\n'
 ' data                    : [42|63] [42|62]\n'
 '\n',
 'id                      : 14785236984\n'
 ' 1)client_name           : Abcd\n'
 ' 2)family_name           : Efgh\n'
 ' 5)phon_number           : 987555555555\n'
 ' 6)address               : street number\n'
 ' data                    : [44|67] [21|1024]          \n',
 'id                      : 987456321\n'
 ' 1)client_name           : Abcd\n'
 ' 2)family_name           : Efgh\n'
 ' 5)phon_number           : 98744444444\n'
 ' 6)address               : street number\n'
 ' data                    : [26|1089] [21|1524]']
>>> 
>>> pprint (ld)
[{'1)client_name': 'Abcd',
  '2)family_name': 'Efgh',
  '5)phon_number': '9876543210',
  '6)address': 'street number',
  'data': '[42|63] [42|62]',
  'id': '1234567890'},
 {'1)client_name': 'Abcd',
  '2)family_name': 'Efgh',
  '5)phon_number': '987555555555',
  '6)address': 'street number',
  'data': '[44|67] [21|1024]',
  'id': '14785236984'},
 {'1)client_name': 'Abcd',
  '2)family_name': 'Efgh',
  '5)phon_number': '98744444444',
  '6)address': 'street number',
  'data': '[26|1089] [21|1524]',
  'id': '987456321'}]
>>>