用正则表达式匹配一个简单的字符串不起作用？

Question

我有一个大的 txt 文件，想提取所有具有这些模式的字符串：

/m/meet_the_crr
/m/commune
/m/hann_2

这是我尝试过的：

import re

with open("testfile.txt", "r") as text_file:
    contents = text_file.read().replace("\n", "")

print(re.match(r'^\/m\/[a-zA-Z0-9_-]+$', contents))

我得到的结果是一个简单的“无”。我在这里做错了什么？

Answer 1

您需要不删除线端并使用re.MULTILINE 标志，以便从返回的更大文本中获得多个结果：

# write a demo file
with open("t.txt","w") as f:
    f.write("""
/m/meet_the_crr\n
/m/commune\n
/m/hann_2\n\n
# your text looks like this after .read().replace(\"\\n\",\"\")\n
/m/meet_the_crr/m/commune/m/hann_2""")

程序：

import re

regex = r"^\/m\/[a-zA-Z0-9_-]+$"

with open("t.txt","r") as f:
    contents = f.read()

found_all =  re.findall(regex,contents,re.M) 

print(found_all)
print("-")
print(open("t.txt").read())

输出：

['/m/meet_the_crr', '/m/commune', '/m/hann_2'] 

文件内容：

/m/meet_the_crr

/m/commune

/m/hann_2


# your text looks like this after .read().replace("\n","")

/m/meet_the_crr/m/commune/m/hann_2

这就是 Wiktor Stribiżew 在他的评论中告诉你的——尽管他也建议使用更好的模式：r'^/m/[\w-]+$'

Answer 2

您正在使用.read() 将整个文件读入一个变量（读入内存）。使用.replace("\n", "")，您可以重新遍历字符串中的所有换行符。 re.match(r'^\/m\/[a-zA-Z0-9_-]+$', contents) 试图匹配完全匹配\/m\/[a-zA-Z0-9_-]+ 模式的字符串，经过前面的所有操作，这是不可能的。

至少有两种方法。要么删除.replace("\n", "")（以防止换行删除）并使用re.findall(r'^/m/[\w-]+$', contents, re.M)（re.M 选项将启用匹配整个行而不是整个文本），或者逐行读取文件并使用您的re.match 版本检查每一行是否匹配，如果匹配则添加到最终列表中。

例子：

import re
with open("testfile.txt", "r") as text_file:
    contents = text_file.read()
    print(re.findall(r'^/m/[\w-]+$', contents, re.M))

或者

import re
with open("testfile.txt", "r") as text_file:
    for line in text_file:
        if re.match(r'/m/[\w-]+\s*$', line):
            print(line.rstrip())

请注意，我使用\w 使模式更短一些，但如果您使用 Python 3 并且只想匹配 ASCII 字母和数字，也请使用re.ASCII 选项。

另外，/ 不是 Python 正则表达式模式中的特殊字符，无需转义。

Answer 3

您的代码在逻辑上没有任何问题，实际上您的模式将匹配您描述的输入：

result = re.match(r'^\/m\/[a-zA-Z0-9_-]+$', '/m/meet_the_crr')
if result:
    print(result.groups())    # this line is reached, as there is a match

由于您没有指定任何捕获组，您将看到() 被打印到控制台。您可以捕获整个输入，然后将其可用，例如

result = re.match(r'(^\/m\/[a-zA-Z0-9_-]+$)', '/m/meet_the_crr')
if result:
    print(result.groups(1)[0])

/m/meet_the_crr