将多个正则表达式匹配追加到列表的列表

Question

txt = '0    Marriage of MARY ROCHE
1   in 1880
2   Group Registration IDtN/R
3   SR District/Reg AreatCork
4   Returns Yeart1880
5   Returns Quartert4
6   Returns Volume Not5
7   Returns Page Not0110
8   Marriage of MARY ROCHE
9   in 1880
10  Group Registration IDtN/R
11  SR District/Reg AreatEnniscorthy
12  Returns Yeart1880
13  Returns Quartert3
14  Returns Volume Not4
15  Returns Page Not276"

以上是一个婚姻记录数据集的片段。每8条线对应一个新的女子纪录。我试图通过正则表达式提取关键细节(年份，区域，季度，音量，页码)。

year = re.compile(r'insd{4}')
area = re.compile(r'Areat[A-Za-z]+(?:s[A-Za-z]+)*$')
fdata = []
file = open('C:\Downloads\mary_roche.txt', 'r')
for line in file:
year_matches = year.finditer(line)
area_matches = area.finditer(line)
for a in area_matches:
for y in year_matches:
fdata.append([y.group(),a.group()])


print(len(fdata))
print(fdata)

当我单独使用这些表达式时，它们可以工作，但是当我试图将这两个表达式添加到一个列表的列表中时，我什么也得不到。我的最终目标是为所有五个关键细节创建表达式，并以有序的方式存储它们，即[[woman1]， [woman2]， [woman3]…]

这里的任何帮助都是非常感激的。干杯!

Answer 1

在for环路的逻辑中只有两个怪癖。

• 您尝试了每一行的匹配，但由于没有一条线同时包含区域和年份，因此您一无所获。补救措施:只操作数据集作为一个整体。
• 你将在所有年份迭代一个区域;这样，在第一个发现区域之后，全年的比赛都会被消耗掉。补救办法:每个区域只能获得一年的比赛。

area = re.compile(r'Areat[A-Za-z]+(?:s[A-Za-z]+)*$', re.M)
…
file = open('C:\Downloads\mary_roche.txt', 'r').read()
year_matches = year.finditer(file)
area_matches = area.finditer(file)
for a in area_matches:
y = next(year_matches)
fdata.append([y.group(), a.group()])

注意，我们需要re.MULTILINE标志与$，因为file字符串现在有多行。

当然我们可以把它缩短为:

fdata = [*zip(year.findall(file), area.findall(file))]