一次性为文本数据创建正则表达式？

Question

这是我的文本格式，我想将正则表达式传递到此数据中。因为我创建了一个正则表达式，但它不起作用。(\S+)\s+(\d+.\d+)|(\S+)\s+(=\d+.\d+)它没有给我预期的输出：这个数据在一个TXT文件里，单词start前有很多空格我附上了有关我如何阅读 TXT 文件以及如何在我的代码中使用此正则表达式的代码请帮我      HUWAN DIAGNOSTICO CENTER   epoc BGEM  BLACk ASD      Patient ID:  ALEN KON     Date & Time: 22  May-45 7:49:73 Results:  Gases+   hUbo2     21.8.  ssol/t  vsdw   AE(k)    =3.0    asdsddf/as   Cat+      1.1   fasdl/  aoKwGlu       38Dac       < 0.30 DH         7.350 -  7.450 iKo2        35.0 —- 48.0  LE(dcf)     2.0-   3.0  Lp+          138  ~ 146   C1-           98 - 107    hjkkl/asL LKu           74 ~  100  Arsa        9.51 - 1.19  s$92       94.0  - 98.0   %     Sample type:  Unspecified  Hemodi lution: No   Height:  Not entered     Comments: Operator:  user预期输出：字典（键：值列表）Keys      ValueshUbo2     21.8AE(k)    3.0Cat+      1.1Glu       38Dac       0.30DH         7.350   7.450iKo2        35.0  48.0LE(dcf)     2.0   3.0Lp+          138   146C1-           98  107LKu           74   100Arsa        9.51  1.19s$92       94.0   98.0# code for How i read my txt filefor i, line in enumerate(open(mytext_file)):    for match in re.finditer(pattern, line):        try:            abcd = float(match.group(2).strip())            print('%s: %s' % (match.group(1), abcd))        except Exception:            pass

Answer 1

您可以使用可选的第三组而不使用交替|并检查它是否存在

^[^\S\r\n]*(\S+)[^\d\r\n]+(\d+(?:\.\d+)?)[^\d\r\n]*(\d+(?:\.\d+)?)?

在部分

• ^字符串的开始

• [^\S\r\n]*匹配 0+ 次除换行符外的空白字符

• (\S+)捕获组 1，匹配 1+ 个非空白字符

• [^\d\r\n]+匹配除换行符或数字以外的任何字符 1 次以上

• (\d+(?:\.\d+)?)捕获第 2 组，匹配带有可选小数部分的数字

• [^\d\r\n]*匹配 + 乘以除换行符或数字以外的任何字符

• (\d+(?:\.\d+)?)?可选的捕获组 3，匹配带有可选小数部分的数字

正则表达式演示| Python演示

例如

import re

regex = r"^[^\S\r\n]*(\S+)[^\d\r\n]+(\d+(?:\.\d+)?)[^\d\r\n]*(\d+(?:\.\d+)?)?"

dict = {}

test_str = ("   hUbo2     21.8.  ssol/t  vsdw \n"

            "   AE(k)    =3.0    asdsddf/as\n"

            "   Cat+      1.1   fasdl/  aoKw \n"

            "Glu       38\n"

            "Dac       < 0.30\n"

            " DH         7.350 -  7.450\n"

            " iKo2        35.0 —- 48.0\n"

            "  LE(dcf)     2.0-   3.0\n"

            "  Lp+          138  ~ 146\n"

            "   C1-           98 - 107    hjkkl/asL \n"

            " LKu           74 ~  100 \n"

            "  Arsa        9.51 - 1.19 \n"

            "  s$92       94.0  - 98.0   % ")

matches = re.finditer(regex, test_str, re.MULTILINE)

for matchNum, match in enumerate(matches, start=1):

    dict[match.group(1)] = match.group(2) + ( " " + match.group(3) if match.group(3) else "")

print(dict)

输出

{'hUbo2': '21.8', 'AE(k)': '3.0', 'Cat+': '1.1', 'Glu': '38', 'Dac': '0.30', 'DH': '7.350 7.450', 'iKo2': '35.0 48.0', 'LE(dcf)': '2.0 3.0', 'Lp+': '138 146', 'C1-': '98 107', 'LKu': '74 100', 'Arsa': '9.51 1.19', 's$92': '94.0 98.0'}

使用提供的代码的示例：

import re

pattern = r"^[^\S\r\n]*(\S+)[^\d\r\n]+(\d+(?:\.\d+)?)[^\d\r\n]*(\d+(?:\.\d+)?)?"

dict = {}

for i, line in enumerate(open(mytext_file)):

    for match in re.finditer(pattern, line):

        try:

            abcd = float(match.group(2).strip())

            dict[match.group(1)] = '{}{}'.format(abcd, (" " + match.group(3) if match.group(3) else ""))

        except Exception:

            pass

print(dict)

Answer 2

这是一个小的 python 脚本（包括正则表达式），当您通过 stdin 传输数据时，它会转换您的数据：

import fileinput

import re

for line in fileinput.input():

    line = re.sub(r'^\s*(\S+)\D+([\d.]*\d)\D*((?:[\d.]*\d)?)\D*$', r'\1  \2  \3', line.rstrip())

    print(line)

以下是您将如何使用它及其输出：

cat data.txt | python regex.py 

hUbo2  21.8  

AE(k)  3.0  

Cat+  1.1  

Glu  38  

Dac  0.30  

DH  7.350  7.450

iKo2  35.0  48.0

LE(dcf)  2.0  3.0

Lp+  138  146

C1-  98  107

LKu  74  100

Arsa  9.51  1.19

s$92  94.0  98.0

（如果您使用的是 Windows，请使用type而不是cat 。）