解析字符串 - python 中的正则表达式帮助答案

【问题标题】：parsing string - regex help in python解析字符串 - python 中的正则表达式帮助
【发布时间】：2014-02-11 00:13:07
【问题描述】：

嗨，我在 Python 中有这个字符串：

'每周三和周五，这个市场非常适合午餐！坐落在 Minna St. 隧道（位于 5th St.），这个位置非常适合躲避雾或雨。每周五观看现场音乐。\r\n\r\n位置：5th St. @ Minna St.\r\n时间：11:00am-2:00pm\r\n\r\n供应商：\r\nKasa Indian\ r\nFiveten Burger\r\nHiyaaa\r\nThe Rib Whip\r\nMayo & Mustard\r\n\r\n\r\n餐饮需求？让 OtG 迎合您的下一个活动！访问 offthegridsf.com/餐饮开始。'

我需要提取以下内容：

Location: 5th St. @ Minna St.
Time: 11:00am-2:00pm

Vendors:
Kasa Indian
Fiveten Burger
Hiyaaa
The Rib Whip
Mayo & Mustard

我尝试使用：

val = desc.split("\r\n")

然后val[2] 给出位置，val[3] 给出时间，val[6:11] 给出供应商。但我确信有一种更好、更有效的方法可以做到这一点。

我们将不胜感激。

【问题讨论】：

我认为你说得对，实际上。我认为这是一个更普遍的问题的一部分？即，总是会有 5 个供应商吗？在第三行之前是否可能会有额外的行，所以时间会是 val[?]。否则，你做对了。

标签： python regex django string

【解决方案1】：

如果您的输入总是以这种方式格式化，则最好使用str.split()。如果您想要一些更有弹性的东西，这里有一个正则表达式方法，使用re.VERBOSE 和re.DOTALL：

import re

desc_match = re.search(r'''(?sx)
    (?P<loc>Location:.+?)[\n\r]
    (?P<time>Time:.+?)[\n\r]
    (?P<vends>Vendors:.+?)(?:\n\r?){2}''', desc)

if desc_match:
    for gname in ['loc', 'time', 'vends']:
        print desc_match.group(gname)

鉴于您对desc 的定义，打印出来的是：

Location: 5th St. @ Minna St.
Time: 11:00am-2:00pm

Vendors:
Kasa Indian
Fiveten Burger
Hiyaaa
The Rib Whip
Mayo & Mustard

在这里效率真的无关紧要，因为无论哪种方式，时间都可以忽略不计（除非存在瓶颈，否则不要优化。）再说一次，如果它比您使用的解决方案更频繁地工作，这只会“更好” str.split() - 也就是说，如果有任何可能的输入字符串，您的解决方案不会产生正确的结果。

如果您只想要值，只需将前缀移到组定义之外（组由(?P<group_name>...) 定义）

r'''(?sx)
    Location: \s* (?P<loc>.+?)   [n\r]
    Time:     \s* (?P<time>.+?)  [\n\r]
    Vendors:  \s* (?P<vends>.+?) (?:\n\r?){2}'''

【讨论】：

谢谢，这效果更好（即更通用）。你知道我如何进一步使用正则表达式来提取每个值。我想在我的模型中存储时间、位置和供应商。我可以对“：”进行拆分，但时间案例将不起作用。我想让它成为嵌套循环的一部分。谢谢！
编辑了我的答案。是什么导致将其嵌套在循环中的困难？重复调用 re.search 并不是低效的——Python 保留了正则表达式的缓存，因此它不必重复编译同一个表达式。

【解决方案2】：

NLNL = "\r\n\r\n"

parts = s.split(NLNL)
result = NLNL.join(parts[1:3])
print(result)

给了

Location: 5th St. @ Minna St.
Time: 11:00am-2:00pm

Vendors:
Kasa Indian
Fiveten Burger
Hiyaaa
The Rib Whip
Mayo & Mustard

【讨论】：