【发布时间】：2011-09-02 05:28:26
【问题描述】：
我收到来自多个发件人的类似电子邮件，并使用下面的正则表达式m 和n 提取所需的字符串。那部分工作正常。
正则表达式o 但是让我感到困惑。我正在阅读的文本文件是 9 封电子邮件的组合，它们保存在一个文本文件中，并在 Python 中以字符串形式打开。原始发件人（正则表达式o）出现在文件中每条新消息的开头（9 次）
我想在找到每个 CUSIP 和 NAME 之后写入相同的原始发件人，直到匹配到不同的原始发件人。
我正在使用 xlwt3 和 wincom32。
来自文本文件的示例，其中包含非常标准的组合电子邮件：
--- Original Sender: TOM MADEUPNAME, SOME BANK, N. ---
----- Original Message -----
From: TOM MADEUPNAME (SOME BANK, N.)
To: BOB THISISMYEMAIL (XYZ INVESTMENTS, INC)
At: 8/31 8:53:25
**Offerings**
Mezz ReRemics
Cusip Description Original Current Cashflow Collat Offering
05531UAB6 BCAP 2009-RR5 1A2 18,745 18,745 Snr Sup Fxd 45.000
Prime/Alt-A Fixed
Cusip Description Original Current Cashflow Collat Offering
059487AE8 BOAA 2006-6 CB5 25,940 14,350 Seq Fxd 83.000
12544XAX3 CWHL 2007-9 A13 10,190 10,190 Ssnr Nas Fxd 92.500
17312XAJ3 CMSI 2007-4 1A9 2,871 2,741 Spr Snr Fxd 86.000
--- Original Sender: JOE MADEUPNAME, EUROPEAN BANK SECURI ---
----- Original Message -----
From: JOE MADEUPNAME (EUROPEAN BANK SECURI)
To: BOB THISISMYEMAIL (XYZ INVESTMENTS, INC)
At: 8/31 8:20:16
8-31-2011
Alt-A Fixed
Bond O/F C/F Cpn FICO CAL WALB 60+ Notes Offer
CSMC 06-9 7A1 25.00 11.97 L+45 728 26 578 35.21 FLT,AS,0.0% 50-00
LXS 07-10H 2A1 68.26 34.01 L+16 744 6 125 33.98 SS,9.57% 42-00
CSMC 06-7 9A1 15.00 7.81 L+30 688 5 198 46.46 SS,0.0% 29-16
Prime Hybrid
Bond O/F C/F Cpn FICO CAL WALB 60+ Notes Offer
SARM 05-18 6A1 14.56 6.01 2.58 730 46 432 15.87 SEA,SS,5/1,12.3% 78-00
Alt-A Hybrid
Bond O/F C/F Cpn FICO CAL WALB 60+ Notes Offer
ARMT 05-12 2A1 23.78 10.71 3.07 712 48 556 35.32 SS,5/1,4.9% *SOLD
Option Arm
Bond O/F C/F Cpn FICO CAL WALB 60+ Notes Offer
DBALT 07-OA4 1A1B 10.00 7.25 L+13 716 63 562 47.17 SS,OC,42.2% 64-16
--------------------------------------------------------------------------------------
更新 - 工作
count_cusip = 0
count_name = 0
count_sender = 0
cur_sender = ''
for line in lines:
o = re.search(r"Original Sender:\s\b\w+\s\w+", line)
if o:
count_sender += 1
ws.write(count_sender,2,o.group(0))
ws.write(count_sender,2,cur_sender)
cur_sender = o.group(0)
m = re.search('[0-9]{3}[a-zA-Z0-9]{6}', line)
if m:
count_cusip += 1
ws.write(count_cusip,0,m.group(0))
ws.write(count_cusip,2,cur_sender)
n = re.search('[A-Z]{3,5}\s[0-9]{1,4}\D{1,3}\S{1,3}\s{1,2}\w+', line)
if n:
count_name += 1
ws.write(count_name,1,n.group(0))
ws.write(count_cusip,2,cur_sender)
o = re.search(r"Original Sender:\s\b\w+\s\w+", line)
if o:
cur_sender = o.group(0)
ws.write(count_name,2,cur_sender)
根据需要更新输出。
CUSIP Bond Name Original Sender
00442PAD2 ACE 2006-OP1 A2B Original Sender: Nick Madeupname
12557YAE7 ARMT 05-12 2A1 Original Sender: Bobby Madeupname
39153VAT1 CSMC 06-9 7A1 Original Sender: Bobby Madeupname
05377RAE4 LXS 07-10H 2A1 Original Sender: Jane Madeupname
02005HAF0 CSMC 06-7 9A1 Original Sender: Jane Madeupname
【问题讨论】：
-
什么是 ws.write()？您是在使用
xlwt或其他方式写入电子表格吗？ -
如果您可以发布一个您正在尝试处理的输入示例，这将有很大帮助。您应该更改电子邮件的名称、主题行和内容以保护隐私，但保持一般格式不变，以便我们可以看到您要解析的内容。
-
上一个正则表达式中
\b的目的是什么？在我看来，您正在寻找冒号后面的一个空格字符，之后必须出现至少一个字母数字。根据定义，我认为这是一个单词边界。