0

Pythonを使用して、セクションとサブセクションのファイルを1行ずつ検索しています。 

   *** Section with no sub section
  *** Section with sub section ***
           *** Sub Section ***
  *** Another section

セクションは 0 ～ 2 個のスペースで始まり、その後に 3 つのアスタリスクが続きます。サブセクションには 2 つ以上の空白とアスタリスクが続きます。

「***」なしでセクション/サブセクションを書き出します。現在（re.subを使用）。

Section: Section with no sub section
Section: Section with sub section
Sub-Section: Sub Section
Section: Another Section

質問 1 : セクション/サブセクション名にキャプチャ グループとしてアクセスできる、キャプチャ グループを含む python 正規表現はありますか?

質問 2 : 正規表現グループを使用すると、セクションまたはサブセクションをどのように識別できますか? (おそらく、match.group 内の /content の数に基づいて)?

例 (非稼働):

match=re.compile('(group0 *** )(group1 section title)(group2 ***)')
sectionTitle = match.group(1)
if match.lastindex = 0: sectionType = section with no subs
if match.lastindex = 1: sectionType = section with subs
if match.lastindex = 2: sectionTpe = sub section

以前の試み 別々の正規表現と if ステートメントを使用してセクションまたはサブセクションをキャプチャできましたが、すべてを一度に実行したいと考えています。以下の行のようなもの。2番目のグループの貪欲さに問題があります。

'(^\*{3}\s)(.*)(\s\*{3}$)'

貪欲またはオプションのグループを連携させることができないようです。 http://pythex.org/は、この時点で非常に役に立ちました。

また、アスタリスク '(*{3})' をキャプチャして、見つかったグループの数に基づいてセクションまたはサブセクションかどうかを判断しようとしました。 

sectionRegex=re.compile('(\*{3})'
m=re.search(sectionRegex)
  if m.lastindex == 0:
       sectionName = re.sub(sectionRegex,'',line) 
       #Set a section flag
  if m.lastindex ==1:
       sectionName = re.sub(sectionRegex,''line)
       #Set a sub section flag.

ありがとう 多分私はこれで完全に間違っています。どんな助けでも大歓迎です。

最新の更新 Pythex、回答、およびその他の調査で遊んでいます。私は今、単語をキャプチャすることに多くの時間を費やしています:

^[a-zA-Z]+$

アスタリスクの一致数を数えて「レベル」を決定します。私はまだ2つから3つの「グループ」に一致する単一の正規表現を探しています。存在しない場合があります。

ありがとう。

4

3 に答える 3

1

質問 1 : セクション/サブセクション名にキャプチャ グループとしてアクセスできる、キャプチャ グループを含む python 正規表現はありますか?

2 つから 3 つの「グループ」に一致する単一の正規表現。存在しない可能性があります

はい、できます。条件を次のツリーとして分解できます。

  • Start of line + 0 to 2 spaces
  • 2 つの選択肢のいずれか:
    1. *** + Any text[グループ 1]
    2. 1+ spaces + *** + Any text[グループ 2]
  • ***(オプション) + End of line


そして、上記のツリーは次のパターンで表現できます。

^[ ]{0,2}(?:[*]{3}(.*?)|[ ]+[*]{3}(.*?))(?:[*]{3})?$

セクションとサブセクションが異なるグループ (それぞれ[グループ 1]と[グループ 2] ) によってキャプチャされていることに注意してください。どちらも同じ構文を使用し.*?、どちらも遅延量指定子 (追加の「?」)"***"を使用して、末尾のオプションを一致させます。

質問 2 : 正規表現グループを使用すると、セクションまたはサブセクションをどのように識別できますか? (おそらく、match.group 内の /content の数に基づいて)?

上記の正規表現は、グループ 1 でのみセクションをキャプチャし、グループ 2 でのみサブセクションをキャプチャします。コードで識別しやすくするために(?P<named> groups)、キャプチャを使用して取得し.groupdict()ます。

コード：

import re

data = """  *** Section with no sub section
  *** Section with sub section ***
           *** Sub Section ***
  *** Another section"""

pattern = r'^[ ]{0,2}(?:[*]{3}[ ]?(?P<Section>.*?)|[ ]+[*]{3}[ ]?(?P<SubSection>.*?))(?:[ ]?[*]{3})?$'
regex = re.compile(pattern, re.M)

for match in regex.finditer(data):
    print(match.groupdict())

''' OUTPUT:
{'Section': 'Section with no sub section', 'SubSection': None}
{'Section': 'Section with sub section', 'SubSection': None}
{'Section': None, 'SubSection': 'Sub Section'}
{'Section': 'Another section', 'SubSection': None}
'''

dict を出力する代わりに、各Section / Subsectionを参照するには、次のいずれかを使用できます。

match.group("Section")
match.group(1)
match.group("SubSection")
match.group(2)
于 2015-09-27T05:10:03.710 に答える
0

正規表現:

(^\s+)(\*{3})([a-zA-Z\s]+)(\*{3})*

以下で説明するように、3 つまたは 4 つのグループをキャプチャします。

Group 0: "(^\s+)" Captures whitespace
Group 1: "(\*{3})" captures '***'
Group 2:"([a-zA-Z\s]+)" captures alpha characters and spaces
Group 3: "(\*{3})*" captures 0 or or more occurrences of "***"
于 2015-09-26T21:11:38.443 に答える