通过文本行搜索的正确方法 re.findall() 和 re.search() 都不能完全工作答案

【问题标题】：Proper way to search through line of text, re.findall() and re.search() both don't fully work通过文本行搜索的正确方法 re.findall() 和 re.search() 都不能完全工作
【发布时间】：2019-07-23 18:03:33
【问题描述】：

我的问题有点奇怪，也许有人可以提供一些指导。我有一行文本需要搜索并提取多个重复出现的字符串来填充数据框。给定以下行：

txt = "Name : 'red' Wire : 'R' Name : 'blue' Wire: 'B' Name : 'orange' Name: 'yellow' Wire : 'Y'"

我想通过正则表达式并提取仅完整的名称/电线对（在此示例中不是 Orange）。

预期输出

Name    Wire
red      R
blue     B
yellow   Y

代码

for line in txt:
    line = line.strip()
    a = re.search(r' Name : \'((?:(?![(]).)*)\'', line)
    if a:
        b = re.search(r' Wire : \'((?:(?![(]).)*)\'', line)
        if b:
            df = df.append({'Name' : a.group(1), 'Wire' : b.group(1)}, ignore_index=True)

此代码生成以下 df：

Name    Wire
red      R

这种行为是意料之中的，因为re.search() 只会运行直到它第一次找到有问题的项目。

好的，re.search() 不起作用，所以我会尝试 re.findall() 代替：

for line in txt:
    line = line.strip()
    a = re.findall(r' Name : \"((?:(?![(]).)*)\"', line)
    if a:
        b = re.findall(r' Wire : \"((?:(?![(]).)*)\"', line)
        if b:
            df = df.append({'Name' : a, 'Wire' : b}, ignore_index=True)

这将吐出以下df：

Name                                    Wire
['red','blue','orange','yellow']        ['R','B','Y']

这个数据框的问题是，现在我们不再知道 Name 与 Wire 相关联。如果 re.search() 没有到达 txt 行的末尾，是否有任何方法可以让 re.search() 在第一次命中后继续？任何人都对如何仅针对包含所有内容的元素（即“名称”AND“连线”）正则表达式文本行有任何创意吗？

【问题讨论】：

标签： python regex pandas

【解决方案1】：

使用re.finditer 函数和特定的正则表达式模式：

import pandas as pd
import re

txt = "Name : 'red' Wire : 'R' Name : 'blue' Wire: 'B' Name : 'orange' Name: 'yellow' Wire : 'Y'"
pat = re.compile(r"Name\s*:\s*'(?P<Name>[^']+)'\s+Wire\s*:\s*'(?P<Wire>[^']+)'")
items = [m.groupdict() for m in pat.finditer(txt)]
df = pd.DataFrame(items)
print(df)

(?P<Name>[^']+) - 命名子组 被“翻译”为m.groupdict() 对象

输出：

    Name Wire
0     red    R
1    blue    B
2  yellow    Y

【讨论】：

感谢您的帮助！:)

【解决方案2】：

我不习惯pandas，但我通过列表理解实现了这一点，也许会对你有所帮助：

import re

def populateNameWire(content):
    pairs = re.findall(r'Name *: *\'(?P<name>\w+)\' Wire *: *\'(?P<wire>\w+)\'', content)
    return [{'Name': name, 'Wire': wire} for name, wire in pairs]

populateNameWire("Name : 'red' Wire : 'R' Name : 'blue' Wire: 'B' Name : 'orange' Name: 'yellow' Wire : 'Y'")`

[{'Name': 'red', 'Wire': 'R'}, {'Name': 'blue', 'Wire': 'B'}, {'Name': 'yellow', 'Wire': 'Y'}]

【讨论】：