Python（Regex）：如何让Python忽略您尝试匹配的字符串模式之间的所有换行符？

Question

我正在尝试通过以下正则表达式代码创建人员列表：

list_of_electricians = re.findall(r'\d*\.<(\d*)<([\w+ ]*)<"([^"]*)"<"([^"]*)"', csvFile1.read(), re.S)
csvFile2 = open(r'C:\\Users\\Admin\\SkyDrive\\eCommerce\\Servi-fied\\Raw Data\\EMA - Electricians (ReProcessed).csv', 'w+')
writer2 = csv.writer(csvFile2, delimiter=';')

for item in list_of_electricians:
    writer2.writerow(item)

我尝试提取的数据在字符串中，如下所示：

1.<7059184<ABDUL HALIM M<"ABDUL HALIM M
                                  639 #24-98
                                 ROWELL ROAD
                        200639"<"62971924(Tel)
                   93632009(Hp)"

2.<7055147<ABDULLAH SUNNY BIN ALI<"SINGAPORE MRT LTD
                                  251
                                 NORTH BRIDGE ROAD
                        179102"<"65476617(Tel)
                   96814905(Hp)"

3.<7063254<ANG CHUI POH<"AKP INDUSTRIES PTE LTD
                                  8B #05-08
                                 ADMIRALTY STREET
                        757440"<"64811528(Tel)
                   93890779(Hp)"

关于如何更改正则表达式代码，以便忽略所有换行符的任何建议？ 我知道我可以在运行正则表达式之前删除所有“ \\ n”或换行符。 但是，稍后我需要这些行，以便更轻松地处理地址。

归根结底，我正在考虑创建一个csv文件，其数据分为许可证号，名称，地址和电话号码。

谢谢！

Answer 1

您的正则表达式对我的大脑来说很难解析，所以请耐心等待。 在这种情况下，我什至可以尝试将字符串拆分与选定的分隔符一起使用，因为它非常复杂

http://pythex.org就是其中一种非常有用的工具

无论如何，在“周围加上[]可以神奇地解决它。不要问我为什么。

\d*\.<(\d*)<([\w+ ]*)<"([^"]*)["]<"([^"]*)"
                              /\
                             here

Answer 2

您拥有的代码应为您提供一个可以迭代的元组数组。

这意味着您的变量list_of_electricians将具有以下内容：

[('1',
'7059184',
'ABDUL HALIM M',
"ABDUL HALIM M 639 #24-98  ROWELL ROAD 200639"),
('2', 
'7055147', 
'ABDULLAH SUNNY BIN ALI',
"SINGAPORE MRT LTD    251  NORTH BRIDGE ROAD 179102"]

您可以使用典型的for循环进行迭代

希望能有所帮助

Answer 3

为什么不只使用csv.reader并完全避免使用正则表达式？：

>>> infile = StringIO(data)
>>> rdr = csv.reader(infile, delimiter="<")
>>> for row in rdr: print(row)

['1.', '7059184', 'ABDUL HALIM M', 'ABDUL HALIM M\n                                  639 #24-98\n                                 ROWELL ROAD\n                        200639', '62971924(Tel)\n                   93632009(Hp)']
[]
['2.', '7055147', 'ABDULLAH SUNNY BIN ALI', 'SINGAPORE MRT LTD\n                                  251\n                                 NORTH BRIDGE ROAD\n                        179102', '65476617(Tel)\n                   96814905(Hp)']
[]
['3.', '7063254', 'ANG CHUI POH', 'AKP INDUSTRIES PTE LTD\n                                  8B #05-08\n                                 ADMIRALTY STREET\n                        757440', '64811528(Tel)\n                   93890779(Hp)']
>>> 

Answer 4

该正则表达式有点过于复杂。 这使用了更简单的正则表达式，并使行的长度少于80个字符（PEP 8）：

list_of_electricians = \ 
    re.findall(r'.*?<(.*?)<(.*?)<"(.*?)"<"(.*?)"', csvFile1.read(), re.S)

以上仍将捕获换行符和多个空格。 摆脱它们的一种方法是在事实发生后重建列表：

for i,x in enumerate(list_of_electricians) :
    list_of_electricians[i] = [' '.join(y.split()) for y in x]

摆脱它们的另一种方法是使用列表理解，以便从一开始就消除它们：

list_of_electricians = \ 
    [[' '.join(x.split()) for x in y] \
     for y in \
     re.findall(r'.*?<(.*?)<(.*?)<"(.*?)"<"(.*?)"', csvFile1.read(), re.S)]