如果 re.findall 找不到匹配项，如何返回字符串答案

【问题标题】：How to return a string if a re.findall finds no match如果 re.findall 找不到匹配项，如何返回字符串
【发布时间】：2023-03-14 18:12:02
【问题描述】：

我正在编写一个脚本来获取扫描的 pdf 文件并将它们转换为文本行以输入数据库。我使用 re.findall 从正则表达式列表中获取匹配项，以从 tesseract 提取的字符串中获取某些值。当正则表达式找不到匹配项时，我遇到了麻烦，我希望它返回“错误”。所以我可以看出有问题。

我尝试了一些 if/else 语句，但我似乎无法注意到 None 值。

from wand.image import Image as Img
import ghostscript
from PIL import Image
import pytesseract
import re
import os

def get_text_from_pdf(pendingpdf,pendingimg):
    with Img(filename=pendingpdf, resolution=300) as img:
        img.compression_quality = 99
        img.save(filename=pendingimg)
    pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract'
    extractedtext = pytesseract.image_to_string(Image.open(pendingimg))
    os.unlink(pendingimg)
    return extractedtext

def get_results(vendor,extracted_string,results):
    for v in vendor:
        pattern = re.compile(v)
        for match in re.findall(pattern,extracted_string):
            if type(match) is str:
                results.append(match)
            else:
                results.append("Error")
    return results

pendingpdf = r'J:\TBHscan07022019090315001.pdf'
pendingimg = 'Test1.jpg'
aggind = ["^(\w+)(?:.+)\n+3600",
          "Ticket: (nonsensewordstothrowerror)",
          "Ticket: \d+\s([0-9|/]+)",
          "Product: (\w+.+)\n",
          "Quantity: ([\d\.]+)",
          "Truck (\w+)"]
vendor = aggind
extracted_string = get_text_from_pdf(pendingpdf,pendingimg)
results = []

print(get_results(vendor,get_text_from_pdf(pendingpdf,pendingimg),results))

【问题讨论】：

我要回去看看，但没有找到所有只返回匹配项？
您是否尝试过使用try except 块？
@sahrudra 是正确的。它会比 if else 更 Pythonic，但 OP 仍然需要知道何时抛出他的异常。
不需要try except 块，re.findall 在没有匹配项时不会抛出异常。

标签： python regex string-search

【解决方案1】：

你可以在一行中做到这一点：

results += re.findall(pattern, extracted_string) or ["Error"]

顺便说一句，在供应商循环中编译模式没有任何好处，因为你只使用了一次。

您的函数还可以使用单个列表推导返回整个搜索结果：

return [m for v in vendor for m in re.findall(v, extracted_string) or ["Error"]]

您实际上想要修改并返回作为参数传递的结果列表有点奇怪。这可能会在您使用该功能时产生一些意想不到的副作用。

您的“错误”标志可能会在结果列表中出现多次，并且鉴于每个模式可能会返回多个匹配项，因此很难确定哪个模式未能找到值。

如果您只想在没有任何供应商模式匹配时发出错误信号，您可以对整个结果使用or ["Error"] 技巧：

return [m for v in vendor for m in re.findall(v, extracted_string)] or ["Error"]

【讨论】：

这很好用。我基本上是在尝试扫描一大堆交货证明并将它们输入到我们的应付账款系统中。这基本上是一个电子表格。无论如何，非常感谢！

【解决方案2】：

用这样的方法for match in re.findall(pattern,extracted_string):
如果 re.findall(...) 找不到任何匹配项 - for 循环不会甚至运行。

将匹配结果预先保存到变量中，然后-检查条件：

...
matches = re.findall(pattern, extracted_string)
if not matches:
    results.append("Error")
else:
    for match in matches:
        results.append(match)

注意，当遍历 re.findall(...) 的结果时，检查 if type(match) is str: 将没有意义，因为每个匹配的项目都是一个 字符串（否则 - 对字符串内容的更复杂的分析可能会被暗示）。

【讨论】：

这个答案比我的更彻底，而且是正确的。

【解决方案3】：

re.findall 在没有匹配项时返回一个空列表。所以应该很简单：

result = re.findall(my_pattern, my_text)
if result:
    # Successful logic here
else:
    return "Error"

【讨论】：

【解决方案4】：

你有

for match in re.findall(pattern,extracted_string):
        if type(match) is str:
            results.append(match)
        else:
            results.append("Error")

但是re.findall() 在找不到任何东西时会返回None，所以

for match in re.findall(pattern,extracted_string):

不会进入，因为匹配是None。

您需要在for 循环之外检查match is None。

【讨论】：