快捷導(dǎo)航

python正則中最短匹配實(shí)現(xiàn)代碼

更新時(shí)間：2018年01月16日 21:28:24 作者：陌上行走

這篇文章主要介紹了python正則中最短匹配實(shí)現(xiàn)代碼,需要的朋友可以參考下

下面從一個(gè)例子入手：

利用正則表達(dá)式解析下面的XML/HTML標(biāo)簽：

<composer>Wolfgang Amadeus Mozart</composer>
<author>Samuel Beckett</author> 
<city>London</city>

希望自動(dòng)格式化重寫為：

composer: Wolfgang Amadeus Mozart
author: Samuel Beckett
city: London

一個(gè)代碼是這樣的形式：

#coding:utf-8 
import re 
s="""<composer>WolfgangAmadeus Mozart</composer> 
   <author>SamuelBeckett</author> 
   <city>London</city>""" 
pattern1=re.compile("<\w+>")  #匹配<>中任意的字符 
pattern2=re.compile(">.+</")  #匹配><中任意的字符 
listNames=pattern1.findall(s) #獲取所有滿足正則表達(dá)式pattern1的字符串的列表 
listContents=pattern2.findall(s) #獲取所有滿足正則表達(dá)式pattern2的字符串的列表 
#由于xml是規(guī)范的，所以是一一對應(yīng)（對于錯(cuò)誤輸入，暫時(shí)不考慮） 
for i in range(len(listNames)): 
  #輸出的時(shí)候利用切片丟棄多余的符號，如：<>/ 
  print(listNames[i][1:len(listNames[i])-1],":", 
     listContents[i][1:len(listContents[i])-2])

這個(gè)代碼運(yùn)行后結(jié)果是可以的。

下面我們修改下s的格式：

#coding:utf-8
import re

s="<composer>Wolfgang Amadeus Mozart</composer> <author>Samuel Beckett</author> <city>London</city>"
pattern1=re.compile("<\w+>")  #匹配<>中任意的字符
# 此模式為非貪婪模式，所以s不是多行也可以匹配
pattern2=re.compile(">.+</")  #匹配><中任意的字符,問號必須加，"?"是非貪婪匹配
listNames=pattern1.findall(s) #獲取所有滿足正則表達(dá)式pattern1的字符串的列表
listContents=pattern2.findall(s) #獲取所有滿足正則表達(dá)式pattern2的字符串的列表

#由于xml是規(guī)范的，所以是一一對應(yīng)（對于錯(cuò)誤輸入，暫時(shí)不考慮）
for i in range(len(listNames)):
  #輸出的時(shí)候利用切片丟棄多余的符號，如：<>/
  print(listNames[i][1:len(listNames[i])-1],":",
     listContents[i][1:len(listContents[i])-2])

得到的答案如下所示：

我們打印一下匹配到的兩個(gè)結(jié)果看一下，修改代碼如下：

#coding:utf-8
import re

s="<composer>Wolfgang Amadeus Mozart</composer> <author>Samuel Beckett</author> <city>London</city>"
pattern1=re.compile("<\w+>")  #匹配<>中任意的字符
# 此模式為非貪婪模式，所以s不是多行也可以匹配
pattern2=re.compile(">.+</")  #匹配><中任意的字符,問號必須加，"?"是非貪婪匹配
listNames=pattern1.findall(s) #獲取所有滿足正則表達(dá)式pattern1的字符串的列表
listContents=pattern2.findall(s) #獲取所有滿足正則表達(dá)式pattern2的字符串的列表

print(listNames)
print(listContents)

#由于xml是規(guī)范的，所以是一一對應(yīng)（對于錯(cuò)誤輸入，暫時(shí)不考慮）
for i in range(len(listNames)):
  #輸出的時(shí)候利用切片丟棄多余的符號，如：<>/
  print(listNames[i][1:len(listNames[i])-1],":",
     listContents[i][1:len(listContents[i])-2])

顯示結(jié)果如下：

從第一個(gè)箭頭顯示可以看出，這個(gè)處理是對的，那么看第二個(gè)箭頭，這個(gè)匹配的結(jié)果顯然是不對的了，那么是什么原因呢？
這是因?yàn)樵谡齽t中，‘*'、‘+'、‘？'這些是貪婪匹配，如用 a*，操作結(jié)果是盡可能多地匹配模式。所以當(dāng)你試著匹配一對對稱的定界符，如 HTML 標(biāo)志中的尖括號。匹配單個(gè) HTML 標(biāo)志的模式不能正常工作，因?yàn)?.* 的本質(zhì)是“貪婪”的。在這種情況下，解決方案是使用不貪婪的限定符 *?、+?、?? 或 {m,n}?，盡可能匹配小的文本。

那么代碼可以修改如下：

#coding:utf-8
import re

s="<composer>Wolfgang Amadeus Mozart</composer> <author>Samuel Beckett</author> <city>London</city>"
pattern1=re.compile("<\w+?>")  #匹配<>中任意的字符
# 此模式為非貪婪模式，所以s不是多行也可以匹配
pattern2=re.compile(">.+?</")  #匹配><中任意的字符,問號必須加，"?"是非貪婪匹配
listNames=pattern1.findall(s) #獲取所有滿足正則表達(dá)式pattern1的字符串的列表
listContents=pattern2.findall(s) #獲取所有滿足正則表達(dá)式pattern2的字符串的列表

#由于xml是規(guī)范的，所以是一一對應(yīng)（對于錯(cuò)誤輸入，暫時(shí)不考慮）
for i in range(len(listNames)):
  #輸出的時(shí)候利用切片丟棄多余的符號，如：<>/
  print(listNames[i][1:len(listNames[i])-1],":",
     listContents[i][1:len(listContents[i])-2])

最后，用分組對代碼的正則進(jìn)行優(yōu)化一下，如下：

#coding:utf-8
import re

s="<composer>Wolfgang Amadeus Mozart</composer><author>Samuel Beckett</author><city>London</city>"
pattern1=re.compile("<(\w+?)>")  #匹配<>中任意的字符
# 此模式為非貪婪模式，所以s不是多行也可以匹配
pattern2=re.compile("<\w+?>(.+?)</\w+?>")  #匹配<a>...</a>中任意的字符,問號必須加，"?"是非貪婪匹配
listNames=pattern1.findall(s) #獲取所有滿足正則表達(dá)式pattern1的字符串的列表
listContents=pattern2.findall(s) #獲取所有滿足正則表達(dá)式pattern2的字符串的列表

#由于xml是規(guī)范的，所以是一一對應(yīng)（對于錯(cuò)誤輸入，暫時(shí)不考慮）
for i in range(len(listNames)):
  print(listNames[i],":",
     listContents[i])

這篇文章就介紹到這，大家可以多參考腳本之家以前發(fā)布的關(guān)于python 正則表達(dá)式的相關(guān)內(nèi)容。

您可能感興趣的文章: