如何解析和匹配多个词组

相关文章推荐
魁梧的排球 · python 自动化过滑动验证码 - CSDN文库· 4 月前 ·
悲伤的橙子 · nvm 设置 nodejs 默认版本 - ...· 1 年前 ·
飘逸的莲藕 · Grafana Loki 查询语言 ...· 1 年前 ·
魁梧的排球 · Jmeter将上一个接口的返回值作为下一个接 ...· 1 年前 ·
可爱的长颈鹿 · 如何使用python或cmd从windows ...· 1 年前 ·
[2]   IN: 2.12    INOUT: 3.52  (Input)
[2]   IN: 2.12    INOUT: 3.52  (Input)
      OUT: 2.42   INOUT: 2.62  (Output)
[2]   OUT: 2.42   INOUT: 2.62  (Output)
[2]   IN: 2.12    INOUT: 3.52  (Input)
      OUT: 2.42   INOUT: 2.62  (Output)
[2]   IN: 2.12    INOUT: 3.52  (Input)
[2]   OUT: 2.42   INOUT: 2.62  (Output)
[2]   IN: 2.12    INOUT: 3.52  (Input)
      OUT: 2.42   INOUT: 2.62  (Output)
我需要解析这些数据和IN。/ OUT: /INOUT: 取决于所给的三个词组。
regex1 = r"\[2\]\s*IN:\s*(\S+?)\s*INOUT:\s*(\S+?)\s"
regex2 = r"\[2\]\s*OUT:\s*(\S+?)\s*INOUT:\s*(\S+?)\s"
regex3 = r"\[2\]\s*IN:\s*(\S+?)\s*INOUT:\s*(\S+?)\s.*?.\s*OUT:\s*(\S+?)\s*INOUT:\s*(\S+?)\s"
My output should be:
IN_r1 2.12 INOUT_r1 3.52
IN_r3 2.12 INOUT1_r3 3.52 OUT_r3 2.42 INOUT2_r3 2.62
OUT_r2 2.42 INOUT_r2 2.62
IN_r3 2.12 INOUT1_r3 3.52 OUT_r3 2.42 INOUT2_r3 2.62
IN_r1 2.12 INOUT_r1 3.52 
OUT_r2 2.42 INOUT_r2 2.62
IN_r3 2.12 INOUT1_r3 3.52 OUT_r3 2.42 INOUT2_r3 2.62
The code I tried:
import re
regex1 = r"\[2\]\s*IN:\s*(\S+?)\s*INOUT:\s*(\S+?)\s"
regex2 = r"\[2\]\s*OUT:\s*(\S+?)\s*INOUT:\s*(\S+?)\s"
regex3 = r"\[2\]\s*IN:\s*(\S+?)\s*INOUT:\s*(\S+?)\s.*?.\s*OUT:\s*(\S+?)\s*INOUT:\s*(\S+?)\s"
data = "
[2]   IN: 2.12    INOUT: 3.52  (Input)
[2]   IN: 2.12    INOUT: 3.52  (Input)
      OUT: 2.42   INOUT: 2.62  (Output)
[2]   OUT: 2.42   INOUT: 2.62  (Output)
[2]   IN: 2.12    INOUT: 3.52  (Input)
      OUT: 2.42   INOUT: 2.62  (Output)
[2]   IN: 2.12    INOUT: 3.52  (Input)
[2]   OUT: 2.42   INOUT: 2.62  (Output)
[2]   IN: 2.12    INOUT: 3.52  (Input)
      OUT: 2.42   INOUT: 2.62  (Output)
lines = re.split("\[2]",data)
for line in lines:
    if re.search(regex1,data):
        tracks = re.findall(regex1,data,re.DOTALL)
        for track in tracks:
            input,inout = (float(z) for z in track)
            with open("checked_ant.txt",'a') as a:
                print("IN_r1",input,"INOUT_r1",inout,file=a)
    elif re.search(regex2,data):
        tracks = re.findall(regex2,data,re.DOTALL)
        for track in tracks:
            output,inout = (float(z) for z in track)
            with open("checked_ant.txt",'a') as a:
                print("OUT_r2",output,"INOUT_r2",inout,file=a)
    elif re.search(regex3,data):
        tracks = re.findall(regex3,data,re.DOTALL)
        for track in tracks:
            input,inout1,output,inout2 = (float(z) for z in track)
            with open("checked_ant.txt",'a') as a:
                print("IN_r3",input,"INOUT1_r3",inout1,"OUT_r3",output,"INOUT2_r3",inout2,file=a)
我面临的问题是，它不能正确地进行解析，而且对于每个以[2]开头的子数据，它不能得到匹配。
    5 个评论
Tim Biegeleisen：
你是否真的想see你在上面标记的输出，还是你想提取某些数据？  如果是后者，请告诉我们这些数据应该是什么样子，例如在一个列表或字典中。
Lei Yang：
你关心它是来自IN还是OUT，还是INOUT？
abcd：
yes it should be from the specific IN or OUT or INOUT
abcd：
@TimBiegeleisen 提取的数据需要以这种形式打印出来
Lei Yang：
但你的预期输出不包含这样的信息。它只是说你需要提取所有的数字。
python
regex
parsing
abcd发布于 2021-07-14
2 个回答
Lei Yang发布于 2021-07-14
已采纳
0 人赞同

虽然我觉得这个要求很奇怪（提供了regex，不能改变），但我得到了预期的结果。你可以试试。
import re
s = '''[2]   IN: 2.12    INOUT: 3.52  (Input)
[2]   IN: 2.12    INOUT: 3.52  (Input)
      OUT: 2.42   INOUT: 2.62  (Output)
[2]   OUT: 2.42   INOUT: 2.62  (Output)
[2]   IN: 2.12    INOUT: 3.52  (Input)
      OUT: 2.42   INOUT: 2.62  (Output)
[2]   IN: 2.12    INOUT: 3.52  (Input)
[2]   OUT: 2.42   INOUT: 2.62  (Output)
[2]   IN: 2.12    INOUT: 3.52  (Input)
      OUT: 2.42   INOUT: 2.62  (Output)'''
r1 = r"\[2\]\s*IN:\s*(\S+?)\s*INOUT:\s*(\S+?)\s"
r2 = r"\[2\]\s*OUT:\s*(\S+?)\s*INOUT:\s*(\S+?)\s"
r3 = r"\[2\]\s*IN:\s*(\S+?)\s*INOUT:\s*(\S+?)\s.*?.\s*OUT:\s*(\S+?)\s*INOUT:\s*(\S+?)\s"
def g(reg, s, n):
    return float(re.search(reg, s).group(n))
paras = s.split('\n\n')
for p in paras:
    if re.search(r1, p):
        print(f'IN_r1 {g(r1, p, 1)} INOUT_r1 {g(r1, p, 2)}')
    if re.search(r2, p):
        print(f'OUT_r2 {g(r2, p, 1)} INOUT_r2  {g(r2, p, 2)}')
    if re.search(r3, p):
        print(
            f'IN_r3 {g(r3, p, 1)} INOUT1_r3 {g(r3, p, 2)} OUT_r3 {g(r3, p, 3)} INOUT2_r3 {g(r3, p, 4)}')
为了获得更好的性能，你可以只匹配一次，并获得分组。以r1为例。
gs = re.search(r1, p)
if gs:
    print(f'IN_r1 {gs.group(1)} INOUT_r1 {gs.group(2)}')
    
abcd：
谢谢你的回答。我的导师告诉我，要严格遵守我的代码中提到的重码。从IN,OUT,INOUT中提取的浮点数需要存储在if-else条件中的input,output,inout。我所面临的问题是，对于每一个以[2]开始的部分我想用上述3个词组进行解析和检查，但不知为何，它只是跳过了一些以[2]开头的部分。
Lei Yang：
如果他为你写的是搜索结果（最困难的部分），为什么他不写其余的代码呢？ 我在你的搜索结果中没有看到匹配float的地方。
abcd：
这方面没有任何头绪。我希望他能在这方面更加灵活。但他说，这种regex格式是进一步加强的必要条件。
abcd：
是的，这给出了我所需要的输出!我只是想问一下，{g(reg,s,n)}中的匹配数据是以浮动值还是字符串的形式存储的？如果我必须以浮动值存储它们，我需要做什么？
Lei Yang：
return float(re.search(reg, s).group(n)) updated.
Tim Biegeleisen发布于 2021-07-14
0 人赞同

这里有一个regex查找所有的方法。  我们可以先搜索每一个以[2]开头的多行部分，然后找到所有的数据编号，并在一行中打印出来。
import re
inp = """[2]   IN: 2.12    INOUT: 3.52  (Input)
[2]   IN: 2.12    INOUT: 3.52  (Input)
      OUT: 2.42   INOUT: 2.62  (Output)
[2]   OUT: 2.42   INOUT: 2.62  (Output)
[2]   IN: 2.12    INOUT: 3.52  (Input)
      OUT: 2.42   INOUT: 2.62  (Output)
[2]   IN: 2.12    INOUT: 3.52  (Input)
[2]   OUT: 2.42   INOUT: 2.62  (Output)
[2]   IN: 2.12    INOUT: 3.52  (Input)
      OUT: 2.42   INOUT: 2.62  (Output)"""
first  = 1
for m in re.finditer(r'\[\d+\](.*?)(?=\[\d+\]|$)', inp, flags=re.DOTALL):
    nums = re.findall(r'\d+(?:\.\d+)?', m.group(1))
    if first != 1:
        print('')
    print(' '.join(nums), end='')
    first = 0
This prints:
2.12 3.52
2.12 3.52 2.42 2.62
2.42 2.62