使用正則表達式Python搜索和捕獲字符

Question

在經歷“ Python挑戰”中的問題之一時，我嘗試如下解決該問題：

讀取具有字符的文本文件中的輸入，如下所示：

DQheAbsaMLjTmAOKmNsLziVMenFxQdATQIjItwtyCHyeMwQTNxbbLXWZnGmDqHhXnLHfEyvzxMhSXzd
BEBaxeaPgQPttvqRvxHPEOUtIsttPDeeuGFgmDkKQcEYjuSuiGROGfYpzkQgvcCDBKrcYwHFlvPzDMEk
MyuPxvGtgSvWgrybKOnbEGhqHUXHhnyjFwSfTfaiWtAOMBZEScsOSumwPssjCPlLbLsPIGffDLpZzMKz
jarrjufhgxdrzywWosrblPRasvRUpZLaUbtDHGZQtvZOvHeVSTBHpitDllUljVvWrwvhpnVzeWVYhMPs
kMVcdeHzFZxTWocGvaKhhcnozRSbWsIEhpeNfJaRjLwWCvKfTLhuVsJczIYFPCyrOJxOPkXhVuCqCUgE
luwLBCmqPwDvUPuBRrJZhfEXHXSBvljqJVVfEGRUWRSHPeKUJCpMpIsrV.......

我需要的是瀏覽此文本文件，並選擇所有僅用小寫字母包圍的小寫字母，每側僅包含三個大寫字母。

我為執行上述操作而編寫的python腳本如下：

import re

pattern = re.compile("[a-z][A-Z]{3}([a-z])[A-Z]{3}[a-z]")
f = open('/Users/Dev/Sometext.txt','r')
for line in f:
    result = pattern.search(line)
    if result:
       print result.groups()

 f.close()

上面給出的腳本不是返回capture（小寫字母列表），而是返回所有符合正則表達式條件的文本塊，例如

aXCSdFGHj
vCDFeTYHa
nHJUiKJHo
.........
.........

有人可以告訴我我到底在做什么錯嗎？ 除了遍歷整個文件之外，還有其他方法可以對整個文件運行正則表達式搜索嗎？

謝謝

Answer 1

我建議使用環視：

(?<=[A-Z]{3})(?<![A-Z].{3})([a-z])(?=[A-Z]{3})(?!.{3}[A-Z])

重疊匹配不會有問題。

說明：

(?<=[A-Z]{3})  # assert that there are 3 uppercase letters before the current position
(?<![A-Z].{3}) # assert that there is no uppercase letter 4 characters before the current position
([a-z])        # match a lowercase character (all characters in the example are ASCII)
(?=[A-Z]{3})   # assert that there are 3 uppercase letter after the current position
(?!.{3}[A-Z])  # assert that there is no uppercase letter 4 characters after the current position

Answer 2

將result.groups()更改為result.group(1) ，您將只獲得單個字母匹配項。

您的代碼的第二個問題是它將無法在一行上找到多個結果。 因此， re.findall使用re.search您還需要re.findall或re.finditer 。 findall將返回字符串或字符串元組，而finditer返回匹配對象。

這是我處理相同問題的地方：

import urllib
import re    

pat = re.compile('[a-z][A-Z]{3}([a-z])[A-Z]{3}[a-z]')
print ''.join(pat.findall(urllib.urlopen(
    "http://www.pythonchallenge.com/pc/def/equality.html").read())) 

請注意， re.findall和re.finditer返回不重疊的結果。 因此，當對字符串'aBBBcDDDeFFFg'使用上述模式與re.findall搜索時，您唯一的匹配項將是'c' ，而不是'e' 。 幸運的是，此Python挑戰問題不包含此類示例。

Answer 3

import re

with open('/Users/Dev/Sometext.txt','r') as f: 
    tokens = re.findall(r'[a-z][A-Z]{3}([a-z])[A-Z]{3}[a-z]', f.read())

    for token ins tokens:
        print token

findall是：

返回字符串中模式的所有非重疊匹配項，作為字符串列表。 從左到右掃描該字符串，並以找到的順序返回匹配項。 如果該模式中存在一個或多個組，則返回一個組列表；否則，返回一個列表。 如果模式包含多個組，則這將是一個元組列表。 空匹配項將包括在結果中，除非它們碰到另一個匹配項的開頭。

也許是re模塊中最有用的功能。

read（）函數將整個文件讀入大字符串。 如果您需要將正則表達式與整個文件進行匹配，這將特別有用。

警告 ：根據文件的大小，您可能希望像第一種方法一樣逐行遍歷文件。