在Python中使用纯Regex方法

Question

我有一个包含的文本

text = """Dave 2008-09-20 2020-05-31 [e-mail]
Steve 2009-01-23 2020-04-30 [e-mail] 
Rob 2007-02-14 2020-04-30 [e-mail] 
Ryan 2010-02-11 2020-03-10 [e-mail] 
"""

我需要将其更改为两种形式：第一：

['Dave 2008-09-20 2020-05-31 [e-mail]',
'Steve 2009-01-23 2020-04-30 [e-mail]',
'Rob 2007-02-14 2020-04-30 [e-mail]',
'Ryan 2010-02-11 2020-03-10 [e-mail]']

第二：

[('Dave', '2008-09-20', '2020-05-31', '[e-mail]'),
('Steve', '2009-01-23', '2020-04-30', '[e-mail]'),
('Rob', '2007-02-14', '2020-04-30', '[e-mail]'),
('Ryan', '2010-02-11', '2020-03-10', '[e-mail]')]

我得到了所有的结果：-但这肯定不是纯正则表达式的使用。。

首先：我使用

splB = re.split(r'n+',text.strip())
splB
test = [x for x in splB]
test

第二次使用：

splC = [(tuple)(re.split(' ',x.strip())) for x in re.split(r'n',text.strip())] 
splC

两者都得到相同的结果，但我想使用regex作为我的手段。。如果可能的话，我不想使用list.split((之类的东西，只想使用regex和regex。。

Answer 1

第一种形式的纯正则表达式：

re.findall(r"[A-Za-z]+s(?:[0-9]{4}-[0-9]{2}-[0-9]{2}s){2}w+@w+.[a-z]+", text)

结果：

['Dave 2008-09-20 2020-05-31 [e-mail]',
'Steve 2009-01-23 2020-04-30 [e-mail]',
'Rob 2007-02-14 2020-04-30 [e-mail]',
'Ryan 2010-02-11 2020-03-10 [e-mail]']

解释：

• [A-Za-z]+：匹配名称，例如，"；Dave">
• s：匹配名称和第一个日期之间的空格
• (?:[0-9]{4}-[0-9]{2}-[0-9]{2}s){2}：与两个日期({2}(完全匹配的非捕获组，格式为YYYY-MM-DD，后跟空格
• w+@w+.[a-z]+：匹配电子邮件

---

对于第二种形式，您可以执行以下操作：

regex = r"[A-Za-z]+s(?:[0-9]{4}-[0-9]{2}-[0-9]{2}s){2}w+@w+.[a-z]+"
[tuple(re.split(r"s", row)) for row in re.findall(regex, text)]

但是仅仅使用函数str.split:肯定会更简单

[tuple(row.split(' ')) for row in re.findall(regex, text)]

在这两种情况下，结果都是：

[('Dave', '2008-09-20', '2020-05-31', '[e-mail]'),
('Steve', '2009-01-23', '2020-04-30', '[e-mail]'),
('Rob', '2007-02-14', '2020-04-30', '[e-mail]'),
('Ryan', '2010-02-11', '2020-03-10', '[e-mail]')]

Answer 2

请记住，除非这只是为了练习，否则这里不需要使用regex。CCD_ 8在这种情况下将更加直接。如果这只是为了练习regex，这将对你有效：

splt = [s.strip() for s in re.split(r"n(?=w)", text)] # your "first form"
formatted = [] # your "second form"
for s in splt:
formatted.append(tuple(re.split(r"s", s)))

如果你正在寻找一个班轮，这是完全可能的：

x = [tuple(re.split(r"s", s.strip())) for s in re.split(r"n(?=w)", text)]

[
('Dave', '2008-09-20', '2020-05-31', '[e-mail]'),
('Steve', '2009-01-23', '2020-04-30', '[e-mail]'),
('Rob', '2007-02-14', '2020-04-30', '[e-mail]'),
('Ryan', '2010-02-11', '2020-03-10', '[e-mail]')
]

Regex解释

第一个很简单：r"s"只是在每个空白处进行拆分。这相当于str.split(" ")。

第二个表达式r"n(?=w)"使用正向前瞻来匹配仅且后面跟有a-zA-Z0-9_集中的字符的n。