Python使用正则表达式来查找子字符串的起始位置

Question

我需要在字符串中找到子字符串的位置。

子字符串是字符“，0 *”，后跟两个字符，即[0-9]或[AF]即

kdjrnnj,0*B3;,w0l44
       ^^^^^
qui8ecc),0*21qxxcd4))
        ^^^^^

子字符串的长度始终为5个字符。 在子字符串之前总是有一些数字（墨水）字符。 子字符串后面可能有也可能没有字符。

我想使用re.something来查找字符串中子字符串的起始位置。 我的正则表达式知识很差 - 如果有人能告诉我如何做到这一点，你就可以节省我几个小时的黑客行为。

谢谢

Answer 1

使用match对象的start()方法：

>>> r = re.compile(r',0\*[0-9A-F]{2}')
>>> m = r.search("kdjrnnj,0*B3;,w0l44")
>>> if m : print m.start()
7
>>> m = r.search("qui8ecc),0*21qxxcd4))")
>>> if m : print m.start()
8

下一步是删除子字符串后的所有内容

你不需要索引，也可以用正则表达式完成：

>>> strs = "qui8ecc),0*21qxxcd4))"
>>> re.search(r'.*?,0\*[0-9A-F]{2}', strs).group()
'qui8ecc),0*21'

>>> m = r.search("kdjrnnj,0*B3;,w0l44")
>>> if m : print m.group()
kdjrnnj,0*B3

re.search比re.sub 更快 ：

>>> strs = 'kdjrnnj,0*B3;,w0l44'
>>> %timeit r.search(strs).group()
100000 loops, best of 3: 1.42 us per loop
>>> %timeit pattern.sub('', strs)
100000 loops, best of 3: 2.79 us per loop

>>> strs = 'kdjrnnj,0*B3;,w0l44'*1000
>>> %timeit r.search(strs).group()
100000 loops, best of 3: 1.43 us per loop
>>> %timeit pattern.sub('', strs)
10000 loops, best of 3: 59.9 us per loop

>>> strs = 'kdjrnnj'*1000 + ',0*B3;,w0l44'
>>> %timeit r.search(strs).group()
1000 loops, best of 3: 260 us per loop
>>> %timeit pattern.sub('', strs)
1000 loops, best of 3: 410 us per loop

Answer 2

Python re.search()在匹配时返回一个MatchObject()实例 ，它包含一个.start()方法，为您提供匹配的位置：

import re

pattern = re.compile(r',0\*[0-9A-F]{2}')

match = pattern.search(inputstring)
if match:
    print match.start()

注意\\*虽然; 星号（ * ）是正则表达式元字符，因此需要使用斜杠进行转义以匹配文字* 。

[0-9A-F]定义了一个与两个命名范围中的任何字符匹配的字符类，并且该类后面的{2}将其限制为恰好匹配两个字符。

演示：

>>> import re
>>> pattern = re.compile(r',0\*[0-9A-F]{2}')
>>> match = pattern.search('kdjrnnj,0*B3;,w0l44')
>>> match.start()
7
>>> match.group()
',0*B3'
>>> match = pattern.search('qui8ecc),0*21qxxcd4))')
>>> match.start()
8
>>> match.group()
',0*21'

如果您需要删除此字符串后的所有内容，请使用re.sub()代替：

pattern = re.compile(r'(?<=,0\*[0-9A-F]{2}).*')

newstring = pattern.sub('', oldstring)

这使用了一个后视断言; 它会查找您的模式，然后匹配re.sub()所有内容 ，然后re.sub()调用将从输入字符串中删除匹配的内容。

演示：

>>> pattern = re.compile(r'(?<=,0\*[0-9A-F]{2}).*')
>>> pattern.sub('', 'kdjrnnj,0*B3;,w0l44')
'kdjrnnj,0*B3'
>>> pattern.sub('', 'qui8ecc),0*21qxxcd4))')
'qui8ecc),0*21'

注意,0*B3和,0*21内容现在都消失了。

Answer 3

这个的正则表达式应该非常简单： .*,0\\*[0-9A-F]{2} 。

Answer 4

使用re.search() ：

re.search(r',0*[0-9A-F][0-9A-F]', your_string).start()