如何让我的 RegEx 捕获冒号两侧的文本？答案

【问题标题】：How can I get my RegEx to capture text on both sides of a colon?如何让我的 RegEx 捕获冒号两侧的文本？
【发布时间】：2011-11-03 03:37:46
【问题描述】：

我正在尝试解析文件中的一些输入文本，这些文本最初是从 Twitter API 中获取的。该文件是纯文本，在这种情况下我实际上并没有获取 JSON。这是输入文本的 sn-p：

.....HootSuite</a>", "text": "For independent news reports on the crisis in #Japan, 
see @DemocracyNow News Archive: http://ow.ly/4ht9Q
#nuclear #Fukushima #rdran #japon", "created_at": "Sat Mar 19.....

基本上我需要抓住这个：

"text": "For independent news reports "on" the crisis in #Japan, see @DemocracyNow 
News Archive: http://ow.ly/4ht9Q #nuclear #Fukushima #rdran #japon"

这是我试图开始工作的两个，但我遇到了一些问题：

    re.findall('"text":[^_]*',line)
    re.findall('"text":[^:}]+',line)

第一个可以让我在我想要的部分之后抓取所有内容，直到“创建”。第二个也可以，但是当文本包含“：”时，它直到信息结束才会出现

有人对 RegEx 有一些经验，可以为我指明正确的方向吗？

【问题讨论】：

如果您从 Twitter API 获取它，我们可以假设您获取的是 JSON 吗？为什么不直接提取 JSON 值？ pypi.python.org/pypi/simplejson
这不是一个坏主意，好点。这是一整行数据（尽我所能粘贴） {"favorited": false, "truncated": false, "source": "web", "text": "West Ham 回击马刺队。托特纳姆热刺主场失利将是重返冠军联赛的严重挫折。", "created_at": "Sat Mar 19 14:19:19 +0000 2011", "retweeted": false,, "class": "政治”，“实体”：，“in_reply_to_status_id_str”：空，“id_str”：“49112718128594945”，“in_reply_to_screen_name”：空，“用户”：{“follow_request_sent”：空，“profile_use_background_image”：真，“id”：21619519 , }

标签： python regex parsing findall

【解决方案1】：

如果您使用的是 Twitter API，我想它会将 JSON 返回给您。 JSON 支持任意嵌套，正则表达式永远无法在每种情况下都正确解析它。使用 JSON 解析器会更好。由于 YAML 是 JSON 的超集，因此您也可以使用 YAML 解析器。我会看看PyYaml。（这是我所知道的。他们可能也只是 JSON 解析器）

那么解析就很简单了：

import yaml
results = yaml.load(twitter_response)
print results["text"]  # This would contain the string you're interested in.

【讨论】：

【解决方案2】：

使用simplejson 解析JSON。

关注本教程：http://blogs.openshine.com/pvieytes/2011/05/18/parsing-twitter-user-timeline-with-python/

【讨论】：

不幸的是，我没有直接使用 twitter API。信息是从给定的输入文件中获取的，该文件只是文本格式，所以 simplejason 在这种特殊情况下对我没有帮助
它仍然会帮助你。只需使用文本文件作为输入。 simplejson 是一个 JSON 解析器。输入的文本文件不管是不是直接从推特上抓取的都是JSON数据。

【解决方案3】：

Json 是一种足够简单的格式，如果您尝试做一些琐碎的事情，您并不总是需要解析器。考虑示例行：

>>> line = """{ "text" : "blah blah foo", "other" : "blah blah bar" }"""

这里有两种方法可以做你想做的事。

使用正则表达式：

>>> import re
>>> m = re.search('"text"\ *:\ *"([^"]*)',line)
>>> m.group()
'"text" : "blah blah bar'
>>> m.group(1)
'blah blah bar'

使用eval（json是一种非常pythonic的格式）：

>>> d = eval(line)
>>> d['text']
'blah blah bar'

【讨论】：