Python 正则表达式从 txt 文件中捕获答案

【问题标题】：Python Regex to capture from txt filePython 正则表达式从 txt 文件中捕获
【发布时间】：2021-01-29 07:24:27
【问题描述】：

我想编写一个正则表达式，仅当字符串由两个大写字母（状态缩写）和约束组成时才匹配字符串。

txt文件有以下部分值：

VARS 
WA : 1 2 3 4 5 
ID : 1 2 3 4 5 
OR : 1 2 3 4 5 
NV : 1 2 3 4 5 
CA : 1 2 3 4 5 
ENDVARS 
CONSTRAINTS 
!= WA OR 
!= WA ID 
!= CA OR 
!= MA RI 
!= MA CT 
!= CT RI 
ENDCONSTRAINTS

我被困在([A-Z]+) 并且备忘单没有帮助。我正在尝试获得两套：设置 1：捕获（不包括单词 VARS 和 ENDVARS）\

 WA : 1 2 3 4 5
 ID : 1 2 3 4 5
 OR : 1 2 3 4 5
 NV : 1 2 3 4 5
 CA : 1 2 3 4 5

第 2 组：捕获（不包括 CONSTRAINTS 和 ENDCONSTRAINTS）\

 != WA OR 
 != WA ID 
 != CA OR 
 != MA RI 
 != MA CT 
 != CT RI

我认为添加 {2} 将意味着仅捕获 2 个字符，对于第一个集合，但不起作用。

【问题讨论】：

标签： python regex

【解决方案1】：

看起来这两个适用于您的输入文件。

第 1 部分

两个大写，一个空格，一个冒号，空格和数字的重复

[A-Z]{2} :[ 0-9]+

匹配：

WA : 1 2 3 4 5 
ID : 1 2 3 4 5 
OR : 1 2 3 4 5 
NV : 1 2 3 4 5 
CA : 1 2 3 4 5

Demo

第 2 部分

感叹号、等号、空格、空格和大写字母的重复

!= [ A-Z]+

匹配：

!= WA OR 
!= WA ID 
!= CA OR 
!= MA RI 
!= MA CT 
!= CT RI

Demo

【讨论】：

谢谢。愚蠢的我，我忘记了空格，难怪我最初只捕获字母字符。

【解决方案2】：

import re

txt = '''\
VARS 
WA : 1 2 3 4 5 
ID : 1 2 3 4 5 
OR : 1 2 3 4 5 
NV : 1 2 3 4 5 
CA : 1 2 3 4 5 
ENDVARS 
CONSTRAINTS 
!= WA OR 
!= WA ID 
!= CA OR 
!= MA RI 
!= MA CT 
!= CT RI 
ENDCONSTRAINTS
'''

print([m for m, _ in re.findall(r"([A-Z]{2}\s:\s(\d\s)+)", txt, flags=re.MULTILINE)])
# ['WA : 1 2 3 4 5 ',
#  'ID : 1 2 3 4 5 ',
#  'OR : 1 2 3 4 5 ',
#  'NV : 1 2 3 4 5 ',
#  'CA : 1 2 3 4 5 ']
print([m for m, _ in re.findall(r"(!=\s([A-Z]{2}\s)+)", txt, flags=re.MULTILINE)])
# ['!= WA OR ', '!= WA ID ', '!= CA OR ', '!= MA RI ', '!= MA CT ', '!= CT RI ']

这是你要找的吗？

【讨论】：

谢谢你，我想从如何捕捉我需要的东西开始，我即将得到你刚才建议的东西。我最终将进行回溯搜索和颜色映射。看起来这更近了一步。谢谢

【解决方案3】：

你可以把问题分成两组模式。第一个查找起始变量并以数字结尾，第二个跳过第一个值并以字母结尾。

import re

pattern_1 = r'^[A-Z]{2}(?=\s).*\d'
pattern_2 = r'^.{1,2}\s[A-Z]{2}\s\w*'

data = """
VARS 
WA : 1 2 3 4 5 
ID : 1 2 3 4 5 
OR : 1 2 3 4 5 
NV : 1 2 3 4 5 
CA : 1 2 3 4 5 
ENDVARS 
CONSTRAINTS 
!= WA OR 
!= WA ID 
!= CA OR 
!= MA RI 
!= MA CT 
!= CT RI 
ENDCONSTRAINTS
"""

group_1 = re.findall(pattern_1, data, re.MULTILINE)
print(group_1)
>>> [
  'WA : 1 2 3 4 5', 
  'ID : 1 2 3 4 5', 
  'OR : 1 2 3 4 5', 
  'NV : 1 2 3 4 5', 
  'CA : 1 2 3 4 5'
]

group_2 = re.findall(pattern_2, data, re.MULTILINE)
print(group_2)
>>> [
  '!= WA OR', 
  '!= WA ID', 
  '!= CA OR', 
  '!= MA RI', 
  '!= MA CT', 
  '!= CT RI'
]

【讨论】：

【解决方案4】：

您需要为正则表达式添加边界条件。

您已经知道它是[A-Z]{2}，但您还想确保单词是开始和结束的，并且之后有一个空格。为此，您可以使用\b[A-Z]{2}\b 。您可以在reg101 链接中查看此内容。

首先，我试图找出下一组数据将用于哪个集合。如果该集合具有 VAR，则设置 VAR 的标志。如果数据以 CON 开头，则设置 CON 标志。假设以下行将成为 VAR 或 CON 集的一部分。

import re
var = "VAR"
var_set = []
con = "CONSTRAINTS"
con_set = []
with open('abc.txt') as input_data:
    for line in input_data:
        line = line.strip()
        z = re.findall(r"\b[A-Z]{2}\b ",line)

        if not z:
            if   var in line: found = var
            elif con in line: found = con
            else: found = '' 

        if z:
            if found == var:
                var_set.append(line)
            elif found == con:
                con_set.append(line)

print ('var set')
for v in var_set: print (v)
print ('con set')
for c in con_set: print (c)

这个输出将是：

var set
WA : 1 2 3 4 5
ID : 1 2 3 4 5
OR : 1 2 3 4 5
NV : 1 2 3 4 5
CA : 1 2 3 4 5
con set
!= WA OR
!= WA ID
!= CA OR
!= MA RI
!= MA CT
!= CT RI

您可能也有兴趣查看我为类似情况所做的示例。查看堆栈溢出解决方案：Extract line from txt file using python

【讨论】：