如何在模式匹配之前使用正則表達式將字符串拆分為多行

Question

我有一個包含以下格式的 swift 數據的文件，需要使用 python 中的正則表達式將其拆分為多行。 原始文件：

ID        Information

1         :20:Test1  :25:test2:28C:test3

所需的 Output：

ID  Information

1     :20:Test1  
1     :25:test2  
1     :28C:test3

使用記事本++，我可以使用將“信息”列分成多行

查找： ^:[0-9]{2}:|\s:[0-9]{2}:|\s:[0-9]{2}[A-Za-z]{1}:

替換： \n$0

需要使用 python 復制相同的內容。 到目前為止，我嘗試了以下代碼，但結果不包含該模式。 它在模式匹配后分裂：

import re

s = ':20:Test1  :25:test2:28C:test3'

l = re.compile('^:[0-9]{2}:|\s:[0-9]{2}:|\s:[0-9]{2}[A-Za-z]{1}:').split(s)

結果： ['', 'Test1 ', 'test2 ', 'test3']

拆分字符串時，結果還應包含正則表達式模式。

Answer 1

這個模式怎么樣：

import re

s = ':20:Test1  :25:test2:28C:test3'

p = re.compile('(:[0-9A-z]{1,3}:)([0-9A-z]+)')

print(p.findall(s))
#[(':20:', 'Test1'), (':25:', 'test2'), (':28C:', 'test3')]

Answer 2

鑒於您有多種類型的 output，使用正則表達式的小邏輯可能更容易：

s='''\
ID        Information

1         :20:Test1  :25:test2:28C:test3'''
    

import re 

for line in s.splitlines():
    if m:=re.search(r'^(\d+)([ \t]+)(:.*)',line):
        data=re.findall(r'(:[^:]+:[^:]+(?=:|$))', m.group(3))
        for e in data:
            print(m.group(1)+m.group(2)+e.rstrip())
    else:
        print(line)     

印刷：

ID        Information

1         :20:Test1
1         :25:test2
1         :28C:test3

如所寫，僅 Python 3.8+。 如果您想要更早的 Python 3.X：

for line in s.splitlines():
    m=re.search(r'^(\d+)([ \t]+)(:.*)',line)
    if m:
      ...

Answer 3

您可以使用

import re
text = """ID        Information

1         :20:Test1  :25:test2:28C:test3"""

valid_line_rx = r'^(\d+\s*)(:\d{2}[A-Za-z]?:.*)'
print( re.sub(valid_line_rx, lambda m:
  "\n".join(["{}{}".format(m.group(1),x) for x in re.split(r'(?!^)(?=:\d{2}[A-Za-z]?:)', m.group(2))]),
  text, 
  flags=re.M)
)

參見Python 演示，output：

ID        Information

1         :20:Test1  
1         :25:test2
1         :28C:test3

^(\d+\s*)(:\d{2}[A-Za-z]?:.*)正則表達式匹配

• ^ - 行首（由於re.M標志）
• (\d+\s*) - 第 1 組：一個或多個數字，然后是 0 個或多個空格
• (:\d{2}[A-Za-z]?:.*) - 第 2 組: : ，兩位數，一個可選字母和 aa :以及盡可能多的除換行符以外的任何 0 個或多個字符.

(??^)(:=?\d{2}[A-Za-z]::)正則表達式匹配不是字符串開頭的位置，並且緊隨其后的是: 、2位數字、一個可選字母和a : ，並且此模式用於拆分上述正則表達式匹配的 Group 2 值。