正则表达式不会分隔最后一个字符串

Question

我做了一个正则表达式，应该能够从html文件中分离出数字的特定顺序，但是在最后一部分中它不起作用。因此，这是html文件打印出来的方式：0430\n0500 20 40 53\n0606 19 32 45 58\n0711 22 33 44 55 \n...2000 20 40\n2100 20 40\n2200 20 40\n2300 20 40\n0000\n\n这是我的正则表达式：timeRegex = re.compile(r'''((\d\d)(\d\d)(\n|(\s(\d\d)\s?(\d\d)?\s?(\d\d)?\s?(\d\d)?\s?(\d\d)?)\n)?)''',re.VERBOSE|re.DOTALL)当查看列表时，它在大多数情况下都可以正常工作，直到列表中的最后一个元素获得0000为止，所以它看起来像这样的“ 2300 20 40 \ n0000 \ n \ n”，请帮忙。

Answer 1

当涉及到输入的这一部分时：

2300 20 40\n
0000\n

它匹配如下：

• (\d\d)(\d\d) 火柴 2300

• \s 匹配空间

• (\d\d) 火柴 20

• \s? 匹配空间

• (\d\d)? 火柴 40

• \s? 匹配换行符

• (\d\d)? 火柴 00

• \s? 不匹配，因为它是可选的

• (\d\d)? 火柴 00

• \s? (\d\d)? 什么都不匹配，因为它们都是可选的

• \n 匹配换行符

我怀疑您没有意识到可以\s匹配任何形式的空白，包括换行符。如果要在冗长的正则表达式中按字面值匹配空格，请在空格前加上反斜杠。所以大多数\s?应该是\ ?。

Answer 2

原因是双重的：

1. \s 匹配所有空格，换行符和空格；

2. 正如@WiktorStribiżew已经说过的，它也\s?匹配零个空格。

因此，发生的情况是您\s?的其中一个在换行符后吃了换行符2300 20 40，而下一个\s?匹配了中间的缺失空格0000。您看不到其他地方发生的问题，因为您少\s?(\d\d)?了一个就可以覆盖两条实线。向正则表达式再添加一个，您将看到以下行

2000 20 40\n

2100 20 40\n

内爆了。

我不确定您要如何解析此文件，但要逐行从代码中判断。如果是这样，则“显式优于隐式”：

time_regex = re.compile(r'^(\d{4})(\s\d{2})*$')

with open(...) as inf:

    for line in inf:

        m = time_regex.match(line)

        # Use m.group(1) and m.group(2).split()