我有一个很长的字符串S，包含几个格式如下的子字符串:
[&FULL="583 - node#597 <...a lot more characters inside...> ,REALNAME="node#638"]
即:
- 以
[&FULL="<a number with 1 to 3 digits>开头 - 以
REALNAME="node#<a number with 1 to 3 digits>"]结尾 - 中间有很多字符，包括一些特殊字符和空格。
我的目标是:
- 获取一个可以抓取所有这样的子字符串的正则表达式
- 仅提取
[&FULL=之后的数字。让我们调用这些号码x[i]，对于子字符串i。 - 将子字符串 i 替换为 x[i]。
正如您所想，第 2 步和第 3 步很简单。我的部分解决方案是:
r'\[&FULL=[\s\S]*?(?=REALNAME="node#\d{1,3}"\])'
-
\[&FULL=匹配子字符串的起始部分 -
[\s\S]*匹配子字符串中间的任何内容 -
?(?=REALNAME="node#\d{1,3}"\])会匹配子串的尾部，但这就是问题所在。
后面的部分使用(?=...) 不返回 REALNAME="node#638"]结果是，因为，这不是它的行为方式。但我想保留字符串的尾端，以便我可以使用 replace()功能。
编辑:当前解决方案
# Matches *almost* everything, except for the bit at the back
# places the matches in a list
pattern1 = r'\[&FULL=[\s\S]*?(?=REALNAME="node#\d{1,3}"\])'
pattern1_ls = re.findall(pattern1, my_long_string)
# Pattern to match just the back: 'REALNAME=...'
pattern2 = r'REALNAME="node#\d{1,3}"\]'
realnames_ls = re.findall(pattern2, my_long_string)
# regex to extract NUMBER from each pattern1 result
pattern = r'\[&FULL="\d{1,3}'
for i in range(len(pattern1_ls)):
# there should be only 1 result
result=re.findall(pattern, pattern1_ls[i])[0]
# ditch the first 8 characters, '[&FULL="'
node_num = result[8:]
original_pattern = pattern1_ls[i]
pattern1_ls[i] = [original_pattern, node_num]
# Replace pattern1 with [&branch_num=NUMBER]
for nd in pattern1_ls:
my_long_string = my_long_string.replace(nd[0], nd[1])
# Replace pattern2 with empty string (i.e. delete it)
for nm in realnames_ls:
my_long_string = my_long_string.replace(nm, "")
最佳答案
如果您只使用组，如下所示:
\[&FULL=[\s\S]*?(?P<string>REALNAME="node#\d{1,3}"\])
以下是示例的链接:https://regex101.com/r/SFiS1G/1
关于Python 正则表达式 : include an entire field，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/45806983/