Home / Questions / 139400
Accepted
Sergio Ramos
Asked: 2020-02-19 09:39:04 +0800 CST 2020-02-19 09:39:04 +0800 CST

如何使用正则表达式在我的文本文件中的空格之间获取名称？

  • 772

我有很长的文本，其中包含数据名称等。假设数据是这样的：

[espacios]Elnombre1[espacios](237) 
[espacios]Elnombre3(237) 
[espacios]Elnombre4(17)

我只需要得到名字。通常，名称前后都有空格，最后是括号和数字。

另外，我需要在括号内添加一些文本（任何文本都可以）。

预期结果：

nombremio123textoquepuse(losparentesis)

我试过：

with open("e.txt", 'r+') as f:
    texto = re.sub('^\s+([a-zA-Z-0-9]+)\s*', f.read())
    f.seek(0)
    f.write(texto)
    f.truncate()

通过读取文本文件并用正确的数据重写它有什么可能的方法吗？

python

3 Answers

  1. Best Answer

    一个主意。用括号分割行，然后将strip第一个元素设为 a，以消除它在开头和结尾可能有的空格。即：

    lineas = [
  '   Elnombre1     (237)',
  '      Elnombre3(237)',
  '    Elnombre4(17)' 
  ]

nombres = []

for linea in lineas:
    nombre = linea.split('(')[0].strip()
    nombres.append(nombre)

print(nombres)

    出来

    ['Elnombre1', 'Elnombre3', 'Elnombre4']

    更新

    要处理文件，如果行数不是很大，一种方法是先读取它，处理这些行并将结果累积在一个列表中，然后再写入。

    nombres = []
with open("e.txt", "r") as f:
   for linea in f:
     nombre = linea.split('(')[0].strip()
     nombres.append(nombre)
with open("e.txt", "w") as f:  # Cuidado! Sobreescribiendo fichero
   for nombre in nombres:
     f.write("{}\n".format(nombre))

    这种方法的缺点是您必须在写入之前将结果保存在内存中。这不应该是一个问题，除非文件是可怕的，但如果它是一个问题，那么最好打开两个文件（用于读取的原始文件和用于写入的结果）并在处理它们时写入行而不是存储他们在一个列表中。最后，一旦文件关闭，您可以重命名输出文件并将其命名为与输入相同的名称。

    更新 2

    在该问题的后续版本中，要求提取括号中的内容并添加额外文本（我理解为前缀）的可能性。

    对于这种类型的处理，最好构建一个正则表达式来捕获感兴趣的行的不同部分。然而，众所周知，正则表达式是一个敏感的主题，并且已经有另一个答案显示了如何使用它们，所以我将在这里展示“手工”解决方案（尽管它不是我一般推荐的解决方案）。

    要提取括号内的内容，我们可以利用我们已经将行除以 的事实(，因此[1]该行的其余部分将在元素中。只需删除最后一个字符（将是)）即可获得括号内的内容。即：

    lineas = [
  '   Elnombre1     (237)',
  '      Elnombre3(225)',
  '    Elnombre4(17)' 
  ]

texto_prefijado = "textoquepuse"
nombres = []

for linea in lineas:
    trozos = linea.split('(')
    nombre = trozos[0].strip()
    numero = trozos[1][:-1] 
    nombres.append("{}{}{}".format(nombre, texto_prefijado, numero))

print(nombres)

    ['Elnombre1textoquepuse237', 'Elnombre3textoquepuse225', 'Elnombre4textoquepuse17']

    • 3

  2. 使用正则表达式获取名称的一种方法可能如下：

      import re

  lineas = [
  '    Elnombre1     (237)',
  '    Elnombre3(237)',
  '    Elnombre4(17)' 
  ]

  nombres = [re.findall('^\s+([a-zA-Z-0-9]+)\s*', x)[0] for x in lineas]

  print(nombres)

    结束输出：

    ['Thename1'，'Thename3'，'Thename4']

    解释

    正则表达式的^\s+([a-zA-Z-0-9]+)\s*作用是查找以\s至少一次开头的空格字符，以字母或数字继续（括号 () 允许捕获名称），然后再跟*零个或多个空格字符\s。

    参考
    • 2

  3. 替换捕获部分文本

    举个例子：

    texto = "        El nombre 1         (237)"

    所以，从文本的开头^，可选的空格 *，任意数量的字符.*?，可选的空格，带数字的括号\(\d+\)和文本的结尾$。

    • 我在最后使用.*?with?来告诉它“尽可能少地”匹配。这是一个惰性量词。通过这种方式，它不会占用名称后面的空格。

    • 在同一个结构中，我使用了一个点 ( .)，它匹配除换行符以外的任何字符，但您可以完全将其限制为您想要的任何字符，例如:
      [\w .,;!áéíóúüñ]*?或除空格之外的任何字符[^ ]*?等。


    我们要做的是获取名称。在正则表达式中使用括号时，会捕获并保存匹配的文本，以便可以在替换中使用文本，使用\1.


    正则表达式：

    ^ *(.*?) *\(\d+\)$

    替代品：

    \1(otrotexto)
    • 请记住：otrotexto它不应该有\s （或者你应该将它们转义为\\）。


    代码：

    import re

texto = "        El nombre 1         (237)"
entre_parentesis = "otrotexto"

regex = r"^ *(.*?) *\(\d+\)$"
subst = r"\1(" + entre_parentesis +  r")"


resultado = re.sub(regex, subst, texto)

if resultado:
    print (resultado)

    结果：

    El nombre 1(otrotexto)

    示范：

    https://ideone.com/s16Wrx


    用_

    要转换"El nombre 1 (237)"为，"El_nombre_1(otrotexto)"我们使用函数作为 re.sub() 的参数。让我们使用一个 lambda。

    import re

texto = "El nombre 1 (237)"
sep   = "_"
subst = "(otrotexto)"
regex = r" *(?:\(\d+\)$|([^ ]+))"


texto = re.sub(
           regex,
           lambda m: (sep if m.start() else "") + m.group(1) if m.group(1) else subst,
           texto
        )

print (texto)

    El_nombre_1(otrotexto)
    • 2