想请教一个标记语言解析的正则表达式 - V2EX
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
honmaple
V2EX    Python

想请教一个标记语言解析的正则表达式

  •  
  •   honmaple 2017-10-17 16:27:41 +08:00 2445 次点击
    这是一个创建于 2919 天前的主题,其中的信息可能已经有所发展或是发生改变。
    import re regex = re.compile(r'(^| )=([^\s]*[^\s])=(\B|[\u4e00-\u9fa5])') text = '=1= = 2= =3 == = 4 = =5=, =6=* =7=三 =8=a =9==' print(regex.findall(text)) 

    需求: 两个等号之间不能以空格开头或结尾,第一个等号之前只能是空格或者每一行的开始位置,第二个等号之后可以是标点或者汉字或者每一行结束,不能是数字字母下划线

    想问一下为什么匹配不到 3 =

    期望输出

    [('', '1', ''),(' ','3 =','') (' ', '5', ''), (' ', '6', ''), (' ', '7', '三'), (' ', '9=', '')] 

    实际输出

    [('', '1', ''), (' ', '5', ''), (' ', '6', ''), (' ', '7', '三'), (' ', '9=', '')] 

    请教一下这该怎么修改?

    7 条回复    2017-10-18 23:44:58 +08:00
    okletswin
        1
    okletswin  
       2017-10-17 17:45:01 +08:00
    2010 年我认真的学习了正则表达式,各种高级特性,复杂字符串解析,但现在发现没什么用处
    工作中的数据处理都是以 json 交互,自定义要输出的数据格式

    第二个括号了没包括空格,尝试了两下没成功,不打算浪费时间了
    我觉得楼主还是看看怎么折腾下数据来源吧
    Lincoln12w
        2
    Lincoln12w  
       2017-10-17 20:39:08 +08:00
    匹配不到‘ 3 =’是因为([^\s]*[^\s])里面不能包含空格
    尝试了几下, 把‘ 3 =’包括进来,但是不满足最后一个
    我的表达式是`regex = re.compile(r'(^| )=(\S(?:\S*|.*?\S))=(\B|[\u4e00-\u9fa5])')`
    输出是`[('', '1', ''), (' ', '3 =', ''), (' ', '5', ''), (' ', '6', ''), (' ', '7', '三'), (' ', '8=a =9', '')]`
    Zzzzzzzzz     3
    Zzzzzzzzz  
       2017-10-17 20:43:39 +08:00
    上 pyparsing 吧
    secondwtq
        4
    secondwtq  
       2017-10-17 21:07:40 +08:00
    @okletswin 正则表达式其实挺有用的,就是得注意啥时候该用啥时候不该用
    honmaple
        5
    honmaple  
    OP
       2017-10-18 09:31:36 +08:00
    @okletswin 数据源就是这样,想要解析标记语言

    @Lincoln12w Thank you,我再试试

    @Zzzzzzzzz 多谢提醒
    tidyoux
        6
    tidyoux  
       2017-10-18 16:02:03 +08:00
    中间的部分改成这样:
    ([^\s]*|[^\s]+.*?[^\s]+)
    honmaple
        7
    honmaple  
    OP
       2017-10-18 23:44:58 +08:00
    @tidyoux Thank you.
    关于     帮助文档     自助推广系统     博客     API     FAQ     Solana     917 人在线   最高记录 6679       Select Language
    创意工作者们的社区
    orld is powered by solitude
    VERSION: 3.9.8.5 22ms UTC 20:48 PVG 04:48 LAX 13:48 JFK 16:48
    Do have faith in what you're doing.
    ubao snddm index pchome yahoo rakuten mypaper meadowduck bidyahoo youbao zxmzxm asda bnvcg cvbfg dfscv mmhjk xxddc yybgb zznbn ccubao uaitu acv GXCV ET GDG YH FG BCVB FJFH CBRE CBC GDG ET54 WRWR RWER WREW WRWER RWER SDG EW SF DSFSF fbbs ubao fhd dfg ewr dg df ewwr ewwr et ruyut utut dfg fgd gdfgt etg dfgt dfgd ert4 gd fgg wr 235 wer3 we vsdf sdf gdf ert xcv sdf rwer hfd dfg cvb rwf afb dfh jgh bmn lgh rty gfds cxv xcv xcs vdas fdf fgd cv sdf tert sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf shasha9178 shasha9178 shasha9178 shasha9178 shasha9178 liflif2 liflif2 liflif2 liflif2 liflif2 liblib3 liblib3 liblib3 liblib3 liblib3 zhazha444 zhazha444 zhazha444 zhazha444 zhazha444 dende5 dende denden denden2 denden21 fenfen9 fenf619 fen619 fenfe9 fe619 sdf sdf sdf sdf sdf zhazh90 zhazh0 zhaa50 zha90 zh590 zho zhoz zhozh zhozho zhozho2 lislis lls95 lili95 lils5 liss9 sdf0ty987 sdft876 sdft9876 sdf09876 sd0t9876 sdf0ty98 sdf0976 sdf0ty986 sdf0ty96 sdf0t76 sdf0876 df0ty98 sf0t876 sd0ty76 sdy76 sdf76 sdf0t76 sdf0ty9 sdf0ty98 sdf0ty987 sdf0ty98 sdf6676 sdf876 sd876 sd876 sdf6 sdf6 sdf9876 sdf0t sdf06 sdf0ty9776 sdf0ty9776 sdf0ty76 sdf8876 sdf0t sd6 sdf06 s688876 sd688 sdf86