使用正则表达式从 python 中的文本中提取特定单词

Question

例如，我有以下文本：

[ABC]something
    foo 25
    bar 20

[DEF]something
    foo 50

.....和其他类似的文字

我想从括号中提取三个单词 foo 和 bar 以及数字，这样我就可以得到 re.findall 的结果，如下所示[('ABC', 'foo 25', bar 20'), ('DEF', 'foo 50')]

我尝试了以下模式，但在列表中返回了许多空字符串

\[(\w+)\]|\n\s+(\w+\s\d+)

Answer 1

您可以使用

import re

data = """
[ABC]something
    foo 25
    bar 20

[DEF]something
    foo 50
"""

rx_outer = re.compile(r'''
    ^
    \[(?P<section>[^][]+)\]
    (?P<content>(?:.+[\r\n]?)+)
    ''', re.M | re.X)

rx_inner = re.compile(r'\w+\s+\d+')

result = []
for outer in rx_outer.finditer(data):
    section = outer.group('section')
    values = tuple([value.group(0) for value in rx_inner.finditer(outer.group('content'))])
    result.append((section,) + values)

print(result)

或者 - 作为列表理解：

result = [(section,) + tuple([value.group(0) for value in rx_inner.finditer(outer.group('content'))])
          for outer in rx_outer.finditer(data)
          for section in [outer.group('section')]]

print(result)

机器人将产生

[('ABC', 'foo 25', 'bar 20'), ('DEF', 'foo 50')]

有关“外部”和内部表达式，请参见演示，rest 是编程逻辑。