在 Python 中解析和截断长字符串

Question

我已经搜索过，但没有找到适合我的情况的内容。基本上，我正在尝试拆分以下行：

(CU!DIVD:WEXP:DIVD-:DIVD+:RWEXP:RDIVD:RECL:RLOSS:MISCDI:WEXP-:INT:RGAIN:DIVOP:RRGAIN:DIVOP-:RDIVOP:RRECL:RBRECL:INT -:RRLOSS:INT +:RINT:RDIVD-:RECL-:RWXPOR:WEXPOR:MISCRE:WEXP+:RWEXP-:RBWEXP:RECL+:RRECL-:RBDIVD)

您可以将其解读为 CU 不是 DIVD 或 WEXP 或 DIV- 等等。如果超过 65 个字符，我想做的是将此行拆分为更易于管理的内容，如下所示：

(CU!DIVD:WEXP:DIVD-:DIVD+:RWEXP:RDIVD:RECL:RLOSS:MISCDI:WEXP-)
(CU!INT:RGAIN:DIVOP:RRGAIN:DIVOP-:RDIVOP:RRECL:RBRECL:INT-)
(CU!RRLOSS:INT +:RINT:RDIVD-:RECL-:RWXPOR:WEXPOR:MISCRE:WEXP+)
(CU!RWEXP-:RBWEXP:RECL+:RRECL-:RBDIVD)

它们都少于 65 个字符。这可以存储在列表中，我可以处理其余的事情。我开始使用 RegEx 来解决这个问题，但我遇到了一些麻烦。

此外，它还可以有以下条件：

• ！
• >
• =
• !=
• ！
• !>

到目前为止，我有这个：

def FilterParser(iteratorIn, headerIn):
    listOfStrings = []
    for eachItem in iteratorIn:
        if len(str(eachItem.text)) > 65:
             exmlLogger.error('The length of filter' + eachItem.text + ' exceeds the limit and will be dropped')
             pass
        else:
            listOfStrings.append(rightSpaceFill(headerIn + EXUTIL.intToString(eachItem),80))
return ''.join(stringArray)

Answer 1

这是一个使用正则表达式的解决方案，经过编辑以在每个新行的开头包含 CU! 前缀（或任何其他前缀）：

import re
s = '(CU!DIVD:WEXP:DIVD-:DIVD+:RWEXP:RDIVD:RECL:RLOSS:MISCDI:WEXP-:INT:RGAIN:DIVOP:RRGAIN:DIVOP-:RDIVOP:RRECL:RBRECL:INT -:RRLOSS:INT +:RINT:RDIVD-:RECL-:RWXPOR:WEXPOR:MISCRE:WEXP+:RWEXP-:RBWEXP:RECL+:RRECL-:RBDIVD)'

prefix = '(' + re.search(r'\w+(!?[=<>]|!)', s).group(0)
maxlen = 64 - len(prefix)  # max line length of 65, prefix and ')' will be added
regex = re.compile(r'(.{1,%d})(?:$|:)' % maxlen)
lines = [prefix + line + ')' for line in regex.findall(s[len(prefix):-1])]

>>> print '\n'.join(lines)
(CU!DIVD:WEXP:DIVD-:DIVD+:RWEXP:RDIVD:RECL:RLOSS:MISCDI:WEXP-)
(CU!INT:RGAIN:DIVOP:RRGAIN:DIVOP-:RDIVOP:RRECL:RBRECL:INT -)
(CU!RRLOSS:INT +:RINT:RDIVD-:RECL-:RWXPOR:WEXPOR:MISCRE:WEXP+)
(CU!RWEXP-:RBWEXP:RECL+:RRECL-:RBDIVD)

首先我们需要获取前缀，我们使用re.search().group(0) 执行此操作，它会返回整个匹配项。最后的每一行最多应包含 65 个字符，我们将用于获取这些行的正则表达式将不包含前缀或右括号，这就是为什么 maxlen 是 64 - len(prefix)。

现在我们知道我们可以匹配的字符最多，正则表达式(.{1,<maxlen>) 的第一部分将最多匹配那么多字符。末尾部分(?:$|:) 用于确保我们只在分号或字符串末尾拆分字符串。由于只有一个捕获组 regex.findall() 将只返回该匹配项，而省略尾随的分号。这是示例字符串的样子：

>>> pprint.pprint(regex.findall(s[len(prefix):-1]))
['DIVD:WEXP:DIVD-:DIVD+:RWEXP:RDIVD:RECL:RLOSS:MISCDI:WEXP-',
 'INT:RGAIN:DIVOP:RRGAIN:DIVOP-:RDIVOP:RRECL:RBRECL:INT -',
 'RRLOSS:INT +:RINT:RDIVD-:RECL-:RWXPOR:WEXPOR:MISCRE:WEXP+',
 'RWEXP-:RBWEXP:RECL+:RRECL-:RBDIVD']

列表推导用于通过将前缀和尾随) 添加到每个结果来构造所有行的列表。 s 的切片完成后，前缀和尾随 ) 在 regex.findall() 之前从原始字符串中剥离。希望这会有所帮助！