正则表达式，用于捕获字符串中的数字（Python）

Question

我是python的新手，正在处理带有正则表达式的文本文件以提取id和附加列表。 我在下面写了一些python，打算构造一个像这样的列表

["10073710","10074302","10079203","10082213"...and so on]

相反，我看到的是一个列表结构，其中包含许多冗长的标签。 我假设这是正常行为，并且finditer函数在找到匹配项时会追加这些标签。 但是响应有点混乱，我不确定如何关闭/删除这些添加的标签。 请参见下面的屏幕截图。

谁能帮我修改下面的代码，以便实现列表的预期结构？

import re

#create a list of strings
company_id = []

#open file contents into a variable
company_data = open(r'C:\Users\etherealessence\Desktop\company_data_test.json', 'r', encoding="utf-8")

#read the line structure into a variable
line_list = company_data.readlines()

#stringify the contents so regex operations can be performed
line_list = str(line_list)

#close the file
company_data.close()

#assign the regex pattern to a variable
pattern = re.compile(r'"id":([^,]+)')

#find all instances of the pattern and append the list
#https://stackoverflow.com/questions/12870178/looping-through-python-regex-matches
for id in re.finditer(pattern, line_list): 
  #print(id)
  company_id.append(id)

#test view the list of company id strings
#print(line_list)
print(company_id)

Answer 1

re.finditer返回re.Match对象的iterator 。

如果要提取实际匹配项（更具体地说，是捕获的组，以摆脱开头的"id": ：），则可以执行以下操作：

for match in re.finditer(pattern, line_list):
    company_id.append(match.group(1))

Answer 2

要获取值，请使用id.string ：

for id in re.finditer(pattern, line_list): 
  company_id.append(id.string)

因为当您仅读取id时，您并未获取实际值。

Answer 3

如果您的数据使用JSON，则可能只想简单地对其进行分析。

---

如果希望使用正则表达式，则可以简化表达式，并使用三个捕获组轻松获得所需的ID。 您可以在ID的左侧和右侧设置两个捕获组，然后中间的捕获组可以帮助您获取ID，也许类似于以下表达式 ：

("id":")([0-9]+)(") 

RegEx描述图

该链接可帮助您形象化您的表情：

Python测试

# coding=utf8
# the above tag defines encoding for this document and is for Python 2.x compatibility

import re

regex = r"(\x22id\x22:\x22)([0-9]+)(\x22)"

test_str = "some other JSON data'\"id\":\"10480132\"'>some other JSON datasome other JSON data'\"id\":\"10480132\"'>some other JSON datasome other JSON data'\"id\":\"10480132\"'>some other JSON datasome other JSON data'\"id\":\"10480132\"'>some other JSON datasome other JSON data'\"id\":\"10480132\"'>some other JSON data"

matches = re.finditer(regex, test_str, re.MULTILINE)

for matchNum, match in enumerate(matches, start=1):

    print ("Match {matchNum} was found at {start}-{end}: {match}".format(matchNum = matchNum, start = match.start(), end = match.end(), match = match.group()))

    for groupNum in range(0, len(match.groups())):
        groupNum = groupNum + 1

        print ("Group {groupNum} found at {start}-{end}: {group}".format(groupNum = groupNum, start = match.start(groupNum), end = match.end(groupNum), group = match.group(groupNum)))

# Note: for Python 2.7 compatibility, use ur"" to prefix the regex and u"" to prefix the test string and substitution.

Python测试

# -*- coding: UTF-8 -*-
import re

string = "some other JSON data'\"id\":\"10480132\"'>some other JSON datasome other JSON data'\"id\":\"10480132\"'>some other JSON datasome other JSON data'\"id\":\"10480132\"'>some other JSON datasome other JSON data'\"id\":\"10480132\"'>some other JSON datasome other JSON data'\"id\":\"10480132\"'>some other JSON data"
expression = r'(\x22id\x22:\x22)([0-9]+)(\x22)'
match = re.search(expression, string)
if match:
    print("YAAAY! \"" + match.group(2) + "\" is a match 💚💚💚 ")
else: 
    print('🙀 Sorry! No matches!')

输出：

YAAAY! "10480132" is a match 💚💚💚