python 解析以星号开头和结尾的文本

Question

我有这样的文字：

**********************************************************************
*********                                                    *********
*********     llgalfaslfjasljflksjaglajlgjlajlgfaslg         *********
*********                                                    *********
********* Key1:            value1                            *********
*********                                                    *********
********* Key2: Thu, 06.02.2020 22:28:22                     *********
*********                                                    *********
********* Key3:           Sep 30 2019-02:35:32               *********
*********                  key4: dc960e6, ttt: 35044b5       *********
*********                                                    *********
********* Key5:         Value5                               *********
*********                                                    *********
********* Key6:    Value6                                    *********
*********                                                    *********
**********************************************************************

我想写一个 function 像：

def getKey(src,pattern,key):

...

在哪里：

source  = the text as seen in the sample above (can be more or les )

pattern = regex pattern

key = the key I would like to get the value of

理想情况下，结果应该是 src 中键的值列表

例如：

Key=Key1 => [value1]

Key=Key2 => [Thu, 06.02.2020 22:28:22]

Key=Key4 => [dc960e6, ttt: 35044b5]

基本上是后面的值：同时删除所有的星星，空格，......

我不知道如何为此创建正则表达式模式

尝试过类似的东西：

pattern = r'(?<=^*********).+(?=\*********$)'

希望有人能帮忙

Answer 1

您可以使用能够进行许多字符串操作/解析的 python-textops3：

from textops import *

s = '''
**********************************************************************
*********                                                    *********
*********     llgalfaslfjasljflksjaglajlgjlajlgfaslg         *********
*********                                                    *********
********* Key1:            value1                            *********
*********                                                    *********
********* Key2: Thu, 06.02.2020 22:28:22                     *********
*********                                                    *********
********* Key3:           Sep 30 2019-02:35:32               *********
*********                  key4: dc960e6, ttt: 35044b5       *********
*********                                                    *********
********* Key5:         Value5                               *********
*********                                                    *********
********* Key6:    Value6                                    *********
*********                                                    *********
**********************************************************************
'''
print(s | keyval(r'^\*+\s*(?P<key>\w+)\s*:\s*(?P<val>.+?)\s+\*+$'))

给出：

{'key1': 'value1', 'key2': 'Thu, 06.02.2020 22:28:22', 'key3': 'Sep 30 2019-02:35:32', 'key4': 'dc960e6, ttt: 35044b5', 'key5': 'Value5', 'key6': 'Value6'}

但是，如果您想像您所问的那样获得一个特殊的 kay 值：您的 function 将是：

def getKey(src,pattern,key): 
    return src | find_pattern(pattern.format(key=key)) 

pattern = r'^\*+\s*{key}\s*:\s*(.+?)\s+\*+$'                                                                                                                                                                                                                    

print(getKey(s,pattern,'Key1'))                                                                                                                                                                                                                                 
value1

Answer 2

因此，您可以使用正则表达式（其中s是整个字符串）来分出开头和结尾：

re.sub(r'^[\*\s]+(.*?)[\*\s]+$', r'\1', s, flags=re.MULTILINE)

去掉行尾的星号和空格。 在此之后，您可以使用以下命令拆分每一行：

re.split(r':\s+', line, 1) 

对于没有 out :的行，这将失败，您可以捕获它。 所以像：

import re

lines = re.sub(r'^[\*\s]+(.*?)[\*\s]+$', r'\1', s, flags=re.MULTILINE).split('\n')
d = {}
for line in lines:
    try:
        key, value = re.split(r':\s+', line, 1)
    except ValueError:
        continue
    value = value.split(',')
    d[key] = value

给出一个d ：

{'Key1': ['value1'],
 'Key2': ['Thu', ' 06.02.2020 22:28:22'],
 'Key3': ['Sep 30 2019-02:35:32'],
 'key4': ['dc960e6', ' ttt: 35044b5'],
 'Key5': ['Value5'],
 'Key6': ['Value6']}

Answer 3

它可以用单行解析，没有正则表达式。 输入变量是text 。

dct = {key: [v.strip() for v in value.split(',')] for key, sep, value in (line.strip(' *').partition(':') for line in text.splitlines()) if sep == ':'}

相同的代码格式正确：

dct = {
    key: [v.strip() for v in value.split(',')]
    for key, sep, value in (
        line.strip(' *').partition(':')
        for line in text.splitlines())
    if sep == ':'
    }

Output 字典：

{'Key1': ['value1'], 'Key2': ['Thu', '06.02.2020 22:28:22'], 'Key3': ['Sep 30 2019-02:35:32'], 'key4': ['dc960e6', 'ttt: 35044b5'], 'Key5': ['Value5'], 'Key6': ['Value6']}

Answer 4

将re.findall function 返回的值转换为dict object：

import re
from pprint import pprint
r = r'^\*+\s*(\w+)\s*:\s*(.+?)\s+\*+$'
txt = '''
**********************************************************************
*********                                                    *********
*********     llgalfaslfjasljflksjaglajlgjlajlgfaslg         *********
*********                                                    *********
********* Key1:            value1                            *********
*********                                                    *********
********* Key2: Thu, 06.02.2020 22:28:22                     *********
*********                                                    *********
********* Key3:           Sep 30 2019-02:35:32               *********
*********                  key4: dc960e6, ttt: 35044b5       *********
*********                                                    *********
********* Key5:         Value5                               *********
*********                                                    *********
********* Key6:    Value6                                    *********
*********                                                    *********
**********************************************************************
'''
res = {k: [v.strip() for v in vv.split(',')] for k, vv in re.findall(r, txt, re.M)}
pprint(res)

Output：

{'Key1': ['value1'],
 'Key2': ['Thu', '06.02.2020 22:28:22'],
 'Key3': ['Sep 30 2019-02:35:32'],
 'Key5': ['Value5'],
 'Key6': ['Value6'],
 'key4': ['dc960e6', 'ttt: 35044b5']}