1

我正在编写用于从字符串中删除测试限定符和额外分隔符的 regx。

我有一些模式如下，

"ID"~"Name"~"DESC"
1~2014~13~"DS"~DF"
1~2014~13~"DS"~"DF" 
"1ABCA~B C"~"ERTE"
"2"~"XYZ"~"ABC~ is~ bother"
"3"~"YYZ"~"MEL O CRÈME DOUGHNUTS RECLASS"
4~"XAA"~"sf~sd sdfsf"
5~"TES"~"SFSFSF"sdfsf"
6~"ABC"SDDSL~"dfadf"

预期的输出是，

ID~Name~DESC
1~2014~13~DS~DF
1~2014~13~DS~DF
1ABCA B C~ERTE
2~XYZ~ABC  is  bother
3~YYZ~MEL O CRÈME DOUGHNUTS RECLASS
4~XAA~sf sd sdfsf
5~TES~SFSFSF"sdfsf
6~ABCSDDSL~dfadf

我在下面写了相同的代码，

import re

delimiter = '~'
pattern = re.compile(r'"' + delimiter + r'"')
pattern1 = re.compile(r'"[^"]*(?:""[^"]*)*"')

with open("source file path here ", "r") as \
        test:
    for line in test:
        fields = re.split(pattern, line)
        print(fields)
        output = ""
        if re.match('^[^"]', line):
            matches = re.findall(pattern1, line)
            print(matches)
            for match in matches:
                line = re.sub(match, re.sub('^["]|["]$', "", match), line)
            print(line)
        else:
            lastfield = fields[-1]
            for field in fields:
                if field != lastfield:
                    field = re.sub('^["]|["]$', "", field)
                    output = output + re.sub('[' + delimiter + ']', " ", field) \
                        + delimiter
                else:
                    field = re.sub('^["]|["]$', "", field)
                    output = output + re.sub('[' + delimiter + ']', " ", field)
        print(output)

寻找优化方法来做到这一点以及将处理所有模式的代码。

4

1 回答 1

1

我认为您可以删除所有~内部字段限定符

(?m)(?:(?<=^)|(?<=~))"(.*?)"(?=$|~)

细节

  • (?m)-re.M开启模式以^匹配行首和$行尾（如果字符串逐行处理，则删除）
  • (?:(?<=^)|(?<=~))- 行首或紧接在前面的位置~
  • "- 双引号
  • (.*?)- 第 1 组：除换行符以外的任何 0+ 个字符，尽可能少
  • "- 双引号
  • (?=$|~)- 行尾或紧随其后的位置~。

然后删除所有不必要的双引号

(?m)(?:(?<=^)|(?<=~))"|"(?=$|~)|"(?=[^\n"~]+(?:~|$))

细节

  • (?m)-re.M修饰符（如果字符串逐行处理，则删除）
  • (?:(?<=^)|(?<=~))"- 在行首或之后的双引号~
  • "(?=$|~)|- a"在行尾或之前~
  • "(?=[^\n"~]+(?:~|$))- a"后跟 1 个或多个除 LF 以外的字符（如果字符串逐行处理，则删除），然后"是或行尾。~~

Thins 可用于匹配子字符串，然后在替换回调方法中~使用空格删除所有内容。.replace('~', ' ')

请参阅Python 演示：

import re
rx_0 = r"""(?m)(?:(?<=^)|(?<=~))"(.*?)"(?=$|~)"""
rx = r"""(?m)(?:(?<=^)|(?<=~))"|"(?=$|~)|"(?=[^\n"~]+(?:~|$))"""
s = ("\"ID\"~\"Name\"~\"DESC\"\n"
    "1~2014~13~\"DS\"~DF\"\n"
    "1~2014~13~\"DS\"~\"DF\"\n"
    "\"1ABCA~B C\"~\"ERTE\"\n"
    "\"2\"~\"XYZ\"~\"ABC~ is~ bother\"\n"
    "\"3\"~\"YYZ\"~\"MEL O CRÈME DOUGHNUTS RECLASS\"\n"
    "4~\"XAA\"~\"sf~sd sdfsf\"\n"
    "5~\"TES\"~\"SFSFSF\"sdfsf\"\n"
    "6~\"ABC\"SDDSL~\"dfadf\"")

print( re.sub(rx, "", re.sub(rx_0, lambda x: x.group(1).replace('~', ' '), s)))

输出：

ID~Name~DESC
1~2014~13~DS~DF
1~2014~13~DS~DF
1ABCA B C~ERTE
2~XYZ~ABC  is  bother
3~YYZ~MEL O CRÈME DOUGHNUTS RECLASS
4~XAA~sf sd sdfsf
5~TES~SFSFSFsdfsf
6~ABC"SDDSL dfadf
于 2018-06-17T14:40:55.317 回答