使用正则表达式提取列表中的部分字符串答案

【问题标题】：Using regular expresions to extract part of a string in a list使用正则表达式提取列表中的部分字符串
【发布时间】：2019-03-08 10:43:18
【问题描述】：

如标题所述，我正在尝试使用正则表达式来提取字符串的一部分，即列表中的一部分。该列表包含多个字符串，如下所示：

 "[Decoded(data=b'FF01664817', rect=Rect(left=132, top=207, width=171,height=1))]", 
 "[Decoded(data=b'FF01664833', rect=Rect(left=227, top=128, width=-6, height=175))]"

对于一些上下文，字符串是我使用cv2 解码的数据矩阵。我想要的是得到‘ ’（数据矩阵内容）之间的部分，而不是其余部分。

我的方法是这样的：

Data=[re.match(r"\'.*'\)",x[0]) for x in Data]

但是当我打印我的数据时，它只为列表中的每个字符串返回"Null"。

其余代码

import cv2
import numpy as np
import ctypes  
from pylibdmtx.pylibdmtx import decode
import csv
import re

img = cv2.imread('C:/Users/ML/Desktop/DataMatrix/Test2.jpg')
img2 = img

height, width, channels = img.shape

CROP_W_SIZE  = 8 
CROP_H_SIZE = 6

Data = []

for ih in range(CROP_H_SIZE ):
    for iw in range(CROP_W_SIZE ):

        x = int(width / CROP_W_SIZE * iw)
        y = int(height / CROP_H_SIZE * ih)
        h = int((height / CROP_H_SIZE))
        w = int((width / CROP_W_SIZE ))
       # print(x,y,h,w)

        img = img[y:y+h, x:x+w]

        Name = str(time.time()) 
        cv2.imwrite("C:/Users/ML/Desktop/DataMatrix/CROP/" + 'Crop' + str(x+y) +  ".jpg",img)
        img = img2

        Data.append(str(decode(cv2.imread('C:/Users/ML/Desktop/DataMatrix/CROP/'+ 'Crop' + str(x+y) +'.jpg'))))

Data=[re.match(r"\'.*'\)",x[0]) for x in Data]
print(Data)

【问题讨论】：

你想得到什么输出？
该数据看起来像 python 对象的字符串表示形式，这就引出了一个问题，为什么您要尝试解析字符串而不是直接使用这些对象？
我认为您的做法是错误的...如果您可以再次运行生成该输出的程序，则应将其更改为以机器可读格式（如 JSON）输出文件试图解析那些代表。
FF01664817, FF01664833
如何直接使用对象？

标签： python regex

【解决方案1】：

这非常脆弱，可能会被看起来不像你的数据的数据严重破坏，但是......

import re


def parse_key_value(s):
    return {
        m.group(1): m.group(2) or m.group(3)
        for m in re.finditer(
            r"([a-z]+)=(?:b\'(.+?)\'|(-?\d+?))[,)]", s
        )
    }


for x in [
    "[Decoded(data=b'FF01664817', rect=Rect(left=132, top=207, width=171, height=1))]",
    "[Decoded(data=b'FF01664833', rect=Rect(left=227, top=128, width=-6, height=175))]",
]:
    print(parse_key_value(x))

输出

{'data': 'FF01664817', 'left': '132', 'top': '207', 'width': '171', 'height': '1'}
{'data': 'FF01664833', 'left': '227', 'top': '128', 'width': '-6', 'height': '175'}

【讨论】：

【解决方案2】：

使用search() 代替match()。最后一个函数仅在匹配位于字符串开头时才有效：

import re

s = "[Decoded(data=b'FF01664817', rect=Rect(left=132, top=207, width=171, height=1))]"

print(re.search(r"'(.+?)'", s).group())
# FF01664817

【讨论】：

【解决方案3】：

尝试摆脱 str 并拥有

Data.extend(decode(cv2.imread('C:/Users/ML/Desktop/DataMatrix/CROP/'+ 'Crop' + str(x+y) +'.jpg')))

在循环中。

然后尝试做：

Data = [x.data for x in Data]

或者在循环中你可以直接做：

Data.extend(i.data for i in decode(cv2.imread(
    'C:/Users/ML/Desktop/DataMatrix/CROP/'+ 'Crop' + str(x+y) +'.jpg'
)))

然后Data 将包含您需要的内容。

Decoded 是一个具有data 和rect 属性的命名元组，因此您可以直接访问.data 并获得所需的内容（您可以查看其定义here）。

使用正则表达式来提取你需要的东西是缓慢的、不可靠的并且非常笨拙。

通过直接对对象进行操作，您可以更加灵活地编写列表以及传递它们。

您还保留了属性的原始类型。

【讨论】：

hmm 试过这个方法，但总是报错：'list' object has no attribute 'data'
啊，是的，对不起，decode 返回一个列表，你能看到我的编辑吗？

【解决方案4】：

regex match() 只匹配字符串的开头。 regex search() 实际上搜索所有字符串。

import re
list = ["[Decoded(data=b'FF01664817', rect=Rect(left=132, top=207, width=171, height=1))]",
        "[Decoded(data=b'FF01664833', rect=Rect(left=227, top=128, width=-6, height=175))]"]
data = [re.search(r''''.*''', x) for x in list]

输出：

[<_sre.SRE_Match object; span=(15, 80), match="'FF01664817', rect=Rect(left=132, top=207, width=>, <_sre.SRE_Match object; span=(15, 81), match="'FF01664833', rect=Rect(left=227, top=128, width=>]

使用 .group() 方法获取匹配结果。

# FF01664817,FF01664833

【讨论】：

【解决方案5】：

我想你正在寻找re.search 或re.findall：

import re

v = ["[Decoded(data=b'FF01664817', rect=Rect(left=132, top=207, width=171, \
        height=1))]", "[Decoded(data=b'FF01664833', rect=Rect(left=227, \
        top=128, width=-6, height=175))]"]
se = [re.search(r"b'(.+)'", x).group(1) for x in v]
fa = [re.findall(r"b'(.+)'", x) for x in v]
print(se)
print(fa)

输出：

['FF01664817', 'FF01664833']
[['FF01664817'], ['FF01664833']]

【讨论】：