Question

我有一个看起来像这样的字符串：

STRING 1 160 Some descriptor information. /Uselessstuff.; STRING 161 274 Some other descriptor information. /Moreuselessstuff.; STRING 275 1070 Last descriptor info. /Lastuselesspart.

现在我想提取两个整数和随后的信息，然后忽略所有内容，直到字符串的结尾或分号。所以我希望最终得到：

[('1', '160', 'Some descriptor information'), ('161', '274', 'Some other descriptor information'), ('275', '1070', 'Last descriptor info')]

我试过了：

import re
s = "STRING 1 160 Some descriptor information. /Uselessstuff.; STRING 161 274 Some other descriptor information. /Moreuselessstuff.; STRING 275 1070 Last descriptor info. /Lastuselesspart."
re.findall(r'(\d+)\s(\d+)\s(\w+)', s)

但是，这仅提供以下内容：

[('1', '160', 'Some'), ('161', '274', 'Some'), ('275', '1070', 'Last')]

如何才能获得剩余的信息？

Answer 1

使用[^.]+代替\w+将选择一段时间内的所有字符。

Answer 2

你的正则表达式是，

(\d+)\s(\d+)\s([^\.]*)

DEMO

你的python代码是，

>>> s = "STRING 1 160 Some descriptor information. /Uselessstuff.; STRING 161 274 Some other descriptor information. /Moreuselessstuff.; STRING 275 1070 Last descriptor info. /Lastuselesspart."
>>> m = re.findall(r'(\d+)\s(\d+)\s([^\.]*)', s)
>>> m
[('1', '160', 'Some descriptor information'), ('161', '274', 'Some other descriptor information'), ('275', '1070', 'Last descriptor info')]

<强>解释

(\d+)将一个或多个数字捕获到一个组中。
\s以上捕获的数字后面会有一个空格。
(\d+)再次将一个或多个数字捕获到第二组中。
\s后跟一个空格。
([^\.]*)捕获任何不是文字点的字符零次或多次。

Answer 3

您可以使用Character Class仅允许使用单词字符和空格。

>>> re.findall(r'(\d+)\s*(\d+)\s*([\w\s]+)', s)
[('1', '160', 'Some descriptor information'), ('161', '274', 'Some other descriptor information'), ('275', '1070', 'Last descriptor info')]

Working Demo

使用正则表达式在一段时间之前获取所有内容

3 个答案: