一个正则匹配的问题

huamihu 2014-02-10 10:05:46

我有若干段文本，用python逐行读取，我想搜索每一段的内容，凡是这一段有符合我需要搜索的字符串的，显示这一章的章名，请见下图

我的思路是这样的，
用for line in file: 先逐行读取文本；
用条件语句if 来判断"bbb"字符串的，如果找到的，显示该字符串所在章的章名，如“第一章”等。

请问应该怎么做？

...全文

186 6 打赏收藏转发到动态举报

写回复

用AI写文章

6 条回复

切换为时间正序

请发表友善的回复…

发表回复

panghuhu250 2014-02-12

打赏
举报

re.findall

In [130]: pat = re.compile(u"^(第.章.*?$).*?bbb.*?", re.DOTALL|re.MULTILINE)

In [131]: s = u"""第一章 绪论
     ...: xxx ss sdd xx  bbb sdff sdd sdd
     ...: xlddl
     ...: sdlf;lflfllf bbb s,x,x,
     ...: 第二章 开始
     ...: xxx skdk sdjeo xpweo xmxie
     ...: skdk
     ...: 第三章 结束
     ...: sdldk 三大口大口塑料袋里三大口大口
     ...: 三大口大口bbb三大口大口
     ...: """

In [132]: print " ".join(re.findall(pat, s))
第一章 绪论 第二章 开始

In [133]: print "\n".join(re.findall(pat, s))
第一章 绪论
第二章 开始

In [134]:

fly0snow 2014-02-12

打赏
举报

引用 4 楼 panghuhu250 的回复:

re.findall

In [130]: pat = re.compile(u"^(第.章.*?$).*?bbb.*?", re.DOTALL|re.MULTILINE)

In [131]: s = u"""第一章 绪论
     ...: xxx ss sdd xx  bbb sdff sdd sdd
     ...: xlddl
     ...: sdlf;lflfllf bbb s,x,x,
     ...: 第二章 开始
     ...: xxx skdk sdjeo xpweo xmxie
     ...: skdk
     ...: 第三章 结束
     ...: sdldk 三大口大口塑料袋里三大口大口
     ...: 三大口大口bbb三大口大口
     ...: """

In [132]: print " ".join(re.findall(pat, s))
第一章 绪论 第二章 开始

In [133]: print "\n".join(re.findall(pat, s))
第一章 绪论
第二章 开始

In [134]:

你这个是错误的，应该是第一章，第三章正则可以换成 ^(第.章[^\n]*?$)(?:.(?!第.章))*?bbb 不过我在python里用正则匹配中文的时候总是有问题，在正则测试工具中可以匹配，但是在python中总是没有结果。不知道panghuhu250兄是怎么在python中匹配中文的，求指教

panghuhu250 2014-02-12

打赏
举报

引用 5 楼 fly0snow 的回复:

[quote=引用 4 楼 panghuhu250 的回复:] re.findall

In [130]: pat = re.compile(u"^(第.章.*?$).*?bbb.*?", re.DOTALL|re.MULTILINE)

In [131]: s = u"""第一章 绪论
     ...: xxx ss sdd xx  bbb sdff sdd sdd
     ...: xlddl
     ...: sdlf;lflfllf bbb s,x,x,
     ...: 第二章 开始
     ...: xxx skdk sdjeo xpweo xmxie
     ...: skdk
     ...: 第三章 结束
     ...: sdldk 三大口大口塑料袋里三大口大口
     ...: 三大口大口bbb三大口大口
     ...: """

In [132]: print " ".join(re.findall(pat, s))
第一章 绪论 第二章 开始

In [133]: print "\n".join(re.findall(pat, s))
第一章 绪论
第二章 开始

In [134]:

你这个是错误的，应该是第一章，第三章正则可以换成 ^(第.章[^\n]*?$)(?:.(?!第.章))*?bbb 不过我在python里用正则匹配中文的时候总是有问题，在正则测试工具中可以匹配，但是在python中总是没有结果。不知道panghuhu250兄是怎么在python中匹配中文的，求指教[/quote] 多谢指正！我常犯的错误是正则表达式和匹配的字符串的编码不一致。比如我的例子中pat和s都是unicode（开头的u）。如果把其中一个换成byte string的话（去掉开头的u），就没有匹配了。