Question

任何人都可以告诉我为什么Python中的正则表达式模式大部分时间都在工作，但是对于以下文本有困难。

PATTERN：

patternd = re.compile(r"""\(VFSCAN\)[^=]*=\s*    # first line of a section: (VFSCAN) AT TIME =  1.1800 UP    TO  100 BUSES WITH LOW VOLTAGE DEVIATION BELOW -0.200 
(\d*(?:\.\d+)?)                 # group 1 - first number of first line: 1.1800
\D+ 
\d+                             # second number of first line: 100 
\s+BUSES\s+WITH\s+LOW\s+VOLTAGE\s+(DEVIATION)\s+BELOW.*? 
\D+                             # skip second line 
(?:                             # a data line: 18436 [LENZIE 618.0] -0.245 18433 [LENZIE 318.0] -0.245
(?:\d+\s+\[(.+?)\]\s+\S+\s*)+   # Component of data line
(?=[\r\n\s]+|$) 
)+                              # This search ends with an empty line
""", re.VERBOSE)

我遇到的问题是：

test3 = r'''(VFSCAN) AT TIME =  1.1800 UP TO  100 BUSES WITH LOW VOLTAGE DEVIATION BELOW -0.200:

X ----- BUS ------ X    VDEV       X ----- BUS ------ X    VDEV
18436 [LENZIE 618.0]   -0.245      18433 [LENZIE 318.0]   -0.245     
18431 [LENZIE 118.0]   -0.214      18435 [LENZIE 518.0]   -0.214     
18434 [LENZIE 418.0]   -0.214      18432 [LENZIE 218.0]   -0.214     

(VFSCAN) AT TIME =  1.5167 UP TO  100 BUSES WITH LOW VOLTAGE DEVIATION BELOW -0.200:

X ----- BUS ------ X    VDEV       X ----- BUS ------ X    VDEV
69036 [DNLP2G21.575]   -0.414      69038 [DNLP2G22.575]   -0.414     
69040 [DNLP2G23.575]   -0.414      69032 [DNLP1_G1.575]   -0.402     
65460 [DIFICULT 230]   -0.384      69027 [7MIHL G1.575]   -0.355     
69076 [HORIZ_G .575]   -0.303      67237 [MEDBOWCO 115]   -0.301     
67940 [STNDPSVC 230]   -0.300      65976 [MINERS  34.5]   -0.294     
65585 [FT CRK1 34.5]   -0.261      65584 [FT CRK2 34.5]   -0.261     
69073 [HIPLN_G .575]   -0.214     

(VFSCAN) AT TIME =  1.1800 UP TO  100 BUSES WITH LOW VOLTAGE DEVIATION BELOW -0.200:

X ----- BUS ------ X    VDEV       X ----- BUS ------ X    VDEV
65191 [BONANZA 24.0]   -0.572      65192 [BONANZA  138]   -0.434     
65194 [CHAPITA  138]   -0.433      66278 [RANGELY  138]   -0.320     
65371 [COVE TP  138]   -0.302      79265 [CALAMRDG 138]   -0.286     
79400 [DES.MINE 138]   -0.285      65086 [ASHLEY  69.0]   -0.284     
79067 [VERNAL   138]   -0.277      67257 [MOONLAK269.0]   -0.268     
67256 [MOONLAK169.0]   -0.266      79264 [W.RV.CTY 138]   -0.206     

'''

我正在使用“findall”来匹配使用上面的模式的文本，并期望提取元组列表。当我运行这个时，我得到了：

[('1.1800', 'DEVIATION', 'LENZIE 218.0'), ('1.5167', 'DEVIATION', 'HIPLN_G .575'),     ('1.1800', 'DEVIATION', 'W.RV.CTY 138')]

但我应该在我的列表中获得更多匹配的元组。我真的只想提取每场比赛第一行的时间以及方括号“[]”中的所有项目。我应该在列表中得到6 + 13 + 12 = 31个元组。任何帮助将不胜感激。

Answer 1

您必须逐行解析此格式，一旦找到匹配项，正则表达式将不会在文本中返回。你希望正则表达式找到重叠的部分（第0行+第2行，然后是第0行+第3行等），但是引擎已经在0到2行匹配，所以 next 匹配findall将在第2行之后搜索开始。

按行拆分输入，检测标题行和数据行，并相应地解析每个行。然后使用最近解析的标题对数据行进行分组。

Answer 2

使用正则表达式无法完成所需的操作。（至少，不是在一个正则表达式中）。组内或组内的子组数不能变化。比较正则表达式的简化版本。

p = re.compile('(a(b)+)')
test3 = 'ababbabbbabbbb'
print p.findall(test3)

你希望它返回这样的东西：

[('ab', 'b'), ('abb', 'b', 'b'), ('abbb', 'b', 'b', 'b'), ('abbbb', 'b')]

相反，它会返回：

[('ab', 'b'), ('abb', 'b'), ('abbb', 'b'), ('abbbb', 'b')]

根据示例数据，您可以使用两遍算法。您可以先使用原始正则表达式（没有使其失败的分组）来提取大块文本。然后，使用第二个正则表达式，您可以从第一遍中找到的块中提取子模式。

在findall中的正则表达式匹配不一致

2 个答案: