使用正则表达式提取子字符串

Question

假设我有一个字符串：

L1045 +++$+++ u0 +++$+++ m0 +++$+++ BIANCA +++$+++ They do not!

我需要将名称 - BIANCA 和末尾的文本提取到两个变量中。 我试着这样做：

dialogue = "L1045 +++$+++ u0 +++$+++ m0 +++$+++ BIANCA +++$+++ They do not!"
name : str = ""
line : str = ""
name = re.findall('^L.*\s(.+?)\s.*', dialogue)

但我对使用正则表达式有点困惑。 如何使用正则表达式解决这个问题？

谢谢！

Answer 1

你可以不用re

data = "L1045 +++$+++ u0 +++$+++ m0 +++$+++ BIANCA +++$+++ They do not!"
parts = data.split('+++$+++')
print(parts[-2].strip())
print(parts[-1].strip())

输出

BIANCA
They do not!

Answer 2

您可以使用此正则表达式：

[ \t]([^+]+)[ \t]\+{3}\$\+{3}[ \t]+([^+]+)$

演示

Python：

import re

dialogue = "L1045 +++$+++ u0 +++$+++ m0 +++$+++ BIANCA +++$+++ They do not!"

>>> re.findall(r'[ \t]([^+]+)[ \t]\+{3}\$\+{3}[ \t]+([^+]+)$', dialogue)
[('BIANCA', 'They do not!')]

您还可以拆分和切片：

>>> re.split(r'[ \t]\+{3}\$\+{3}[ \t]', dialogue)[-2:]
['BIANCA', ' They do not!']

但是如果没有找到+++$+++ split 和 slice 不会优雅地失败； 上面的搜索模式确实如此。

Answer 3

您可以在字符串的开头匹配L ，并使用量词{n}设置出现次数以匹配+++$+++后跟非空白字符。

^L\S*(?: \+{3}\$\+{3} \S+){2} \+{3}\$\+{3} (\S+) \+{3}\$\+{3} (.+)$

模式匹配：

• ^字符串开始
• L\\S*匹配L后跟可选的非空白字符
• (?: \\+{3}\\$\\+{3} \\S+){2}使用量词，重复 2 次匹配分隔符后跟 1+ 个非空白字符
• \\+{3}\\$\\+{3}匹配分隔符
• (\\S+)捕获组 1 ，匹配 1+ 个非空白字符以匹配BIANCA
• \\+{3}\\$\\+{3}匹配分隔符
• (.+)捕获组 2 ，匹配除换行符以外的任何字符的 1+ 次以匹配They do not!
• $字符串结尾

正则表达式演示