如何解决字符串中的多个捕获
在 SO 上还没有找到可以完全回答这种情况的 Q/A。我已经实施了一些解决方案来达到我的目的。
我正在解析 VCF files 的标头(元数据)部分。每行的格式如下:
##TAG=<key=val,key=val,...>
我有一个正则表达式来解析 <>
中的多个 k-v 对,但我似乎无法添加 <>
并让它仍然“工作”。
s = 'a=1,b=two,c="three"'
pat = re.compile(r'''(?P<key>\w+)=(?P<value>[^,]*),?''')
match = pat.findall(s)
print(dict(match))
#{'a': '1','b': 'two','c': '"three"'}
还有,
s = 'a=1,c="three"'
pat = re.compile(r'''(?:(?P<key>\w+)=(?P<value>[^,?)''')
match = pat.findall(s)
print(match)
print(dict(match))
#[('a','1'),('b','two'),('c','"three"')]
#{'a': '1','c': '"three"'}
所以,我想我可以做到:
s = '<a=1,c="three">'
pat = re.compile(r'''<(?:(?P<key>\w+)=(?P<value>[^,?)>''')
match = pat.findall(s)
print(match)
print(dict(match))
#[]
#{}
如果可能的话,我真的很想做这样的事情:
\#\#(?P<tag>)=<(?:(?P<key>\w+)=(?P<value>[^,?)>
并捕获 TAG 和所有 k-v 对。显然,我希望它“工作”。
我意识到这里的“正确”解决方案很可能使用解析器而不是正则表达式。但我是生物信息学的人,不是程序员。并且格式非常一致,并按照(几乎)始终遵循的标准化规范进行布局。
解决方法
使用PyPi regex:
import regex
s = '##TAG=<key=val,key2=val2>'
pat = regex.compile(r'''##(?P<tag>\w+)=<(?:(?P<key>\w+)=(?P<value>[^,<>]*),?)*>''')
match = pat.search(s)
print([match.group("tag"),list(zip(match.captures("key"),match.captures("value")))])
见Python proof | Regex explanation
--------------------------------------------------------------------------------
## '##'
--------------------------------------------------------------------------------
(?P<tag> group and capture to \k<tag>:
--------------------------------------------------------------------------------
\w+ word characters (a-z,A-Z,0-9,_) (1 or
more times (matching the most amount
possible))
--------------------------------------------------------------------------------
) end of \k<tag>
--------------------------------------------------------------------------------
=< '=<'
--------------------------------------------------------------------------------
(?: group,but do not capture (0 or more times
(matching the most amount possible)):
--------------------------------------------------------------------------------
(?P<key> group and capture to \k<key>:
--------------------------------------------------------------------------------
\w+ word characters (a-z,_) (1
or more times (matching the most
amount possible))
--------------------------------------------------------------------------------
) end of \k<key>
--------------------------------------------------------------------------------
= '='
--------------------------------------------------------------------------------
(?P<value> group and capture to \k<value>:
--------------------------------------------------------------------------------
[^,<>]* any character except: ',','<','>' (0
or more times (matching the most
amount possible))
--------------------------------------------------------------------------------
) end of \k<value>
--------------------------------------------------------------------------------,? ',' (optional (matching the most amount
possible))
--------------------------------------------------------------------------------
)* end of grouping
--------------------------------------------------------------------------------
> '>'
结果:['TAG',[('key','val'),('key2','val2')]]
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。