在 Python 中使用正則表達式解析具有重復模式的字符串？

Question

我用Python 腳本逐行讀取文本文件。 我得到的是一個字符串列表，每行一個字符串。 我現在需要將每個字符串解析為更易於管理的數據（即字符串、整數）。

字符串看起來類似於：

• “描述（編號）”（例如“門（0）”）
• “描述（編號|編號|編號）”（例如“窗口（1|22|4）”）
• “描述（號碼|號碼|號碼|號碼）”（例如“廁所（2|6|5|10）”）

現在我想要的是我可以進一步處理的文本文件中每一行的拆分/解析字符串列表，例如：

• "窗口 (1|22|4)" -> [ "窗口", "1", "22", "4" ]

我想正則表達式最適合實現這一點，我已經設法想出了這個：

• (.+)\\s+((\\d+)\\) ，它完美匹配例如 [“door”, "0" ] 代表“door (0)”

但是，有些項目需要解析更多數據：

• (.+)\\s((\\d+)+\\|\\) ，只匹配 [ "window", "1" ] 表示 "window (1|22|4)

如何重復部分(\\d+)+\\|的模式匹配 （即“1|”）直到此模式的未定義次數重復的右括號？ 要匹配的最后一項將是一個整數，可以用(\\d+)\\)單獨捕獲。

還有一種方法可以將簡單或擴展的情況與單個正則表達式匹配嗎？

謝謝！ 祝大家周末愉快！

Answer 1

這是正則表達式： \\w+ \\((\\d+\\|)*\\d+\\) 。 但是你應該混合使用正則表達式和str.split

data = []
with open("f.txt") as f:
    for line in f:
        word, numbers = re.search(r"(\w+) \(([^)]+)\)", line).groups()
        data.append((word, *numbers.split("|")))

print(data) # [('door', '0'), ('window', '1', '22', '4')]

Answer 2

import re
a = [r'door (0)',
    r'window (1|22|4)',
    r'toilet (2|6|5|10)'
]
for i in a: 
    print(re.findall('(\w+)',i))

結果：

['door', '0']
['window', '1', '22', '4']
['toilet', '2', '6', '5', '10']

Answer 3

不是原始正則表達式，而是提取和處理該數據的另一種方法是使用TTP模板

from ttp import ttp

template = """
<macro>
def process_matches(data):
    data["numbers"] = data["numbers"].split("|")
    return data
</macro>

<group name="{{ thing }}" macro="process_matches">
{{ thing }} ({{ numbers }})
</group>
"""

data = """
door (0)
window (1|22|4)
toilet (2|6|5|10)
"""

parser = ttp(data, template)
parser.parse()
print(parser.result(format="pprint")[0])

上面的代碼會產生

[   {   'door': {'numbers': ['0']},
        'toilet': {'numbers': ['2', '6', '5', '10']},
        'window': {'numbers': ['1', '22', '4']}}]