如何使用Python從子字符串中找到完整字符串？

Question

如何自動提取擴展名為.csv的字符串的一部分。 以下示例顯示了我要從中提取2010_USACE_VA_minmax.csv的復雜字符串。 在我的情況下，無法使用簡單的切片，而是需要某種模式匹配。

sample = "1001        15707 May 08 23:01 2010_USACE_VA_metadata.xml\r\n-rw-rw-r--    1 311      1001         1784 May 08 23:01 2010_USACE_VA_minmax.csv\r\ndrwxrwxr-x    2 311      2013"

預期輸出

2010_USACE_VA_minmax.csv

Answer 1

如果您知道這些用空格隔開，並且名稱本身本身不包含任何空格，並且您正在嘗試查找以.csv結尾的令牌，那么您也可以

>>> tokens = sample.split()
>>> matches = [ i for i in tokens if i.endswith('.csv') ]
>>> matches
['2010_USACE_VA_minmax.csv']

---

使用正則表達式\\S+\\.csv(?!\\S)可以實現相同的行為，但可讀性不高：

>>> import re
>>> re.findall(r'\S+\.csv(?!\S)', sample)
['2010_USACE_VA_minmax.csv']

這里\\S+表示至少1個連續的非空白字符\\. 是字面意思. 字符和(?!\\S)表示.csv不能由非空白字符（負零寬度超前斷言）后繼。

---

但是，看起來您正在解析ls * nix命令的輸出-另一種方法是使用glob模塊查找匹配的文件：

>>> from glob import glob
>>> glob('*.csv')
['2010_USACE_VA_minmax.csv']

Answer 2

此正則表達式提取了csv文件。 可能會有一個更強大的正則表達式，我並不完美。 但這有效：

僅供參考：我用它來測試： Pythex

圓括號非常重要，因為它們是您的捕獲組，可以提取您要查找的內容。

(\\s\\w+\\.csv)

如果您想處理文件名中的空格，我相信這應該可以工作：

(\\s[\\w,\\s-]+\\.csv)

這是Python中的正則表達式的侵權： https : //docs.python.org/3/library/re.html

Answer 3

如果路徑中沒有空格：

print(sample[:sample.find(".csv")+4].rsplit(None, 1)[1])
2010_USACE_VA_minmax.csv

輸出看起來也好像來自unix命令，因此使用linux工具來解析它可能是一個主意，如果它是unix命令，則格式很可能是一致的，因此可以拆分行以獲得文件名：

sample = "1001        15707 May 08 23:01 2010_USACE_VA_metadata.xml\r\n-rw-rw-r--    1 311      1001         1784 May 08 23:01 2010_USACE_VA_minmax.csv\r\ndrwxrwxr-x    2 311      2013"


for line in sample.splitlines():
    f  = line.rsplit(None, 1)[1]
    print(f)
2010_USACE_VA_metadata.xml
2010_USACE_VA_minmax.csv
2013

我認為2013年來自您已將某些輸出截斷了。

如果您使用子進程來運行命令，而您不需要任何其他數據，則ls可以使用通配符：

from subprocess import check_output
f = check_output(["ls","*.csv"])

或者按照您自己的命令獲取權限等。

data = check_output(["ls","-l","*.csv"])

這將只給您.csv文件及其權限，因此您只需要使用分隔線再次遍歷輸出，最后每個文件都是一個csv文件。

Answer 4

import re
mobj = re.search(r'\s\d{4}_[^ ]*csv',sample)          
print(mobj.group())

---

輸出

2010_USACE_VA_minmax.csv