在 python 3 中使用正则表达式查找子字符串的最佳方法

Question

我试图找出使用 re 在键值对中查找特定子字符串的最佳方法，如下所示：

some_string-variable_length/some_no_variable_digit/some_no1_variable_digit/some_string1/some_string2
eg: aba/101/11111/cde/xyz or aaa/111/1119/cde/xzx or ada/21111/5/cxe/yyz

这里的一切都是可变的，我正在寻找的是如下键值对中的内容：

`cde: 2` as there are two entries for cde

cxe: 1 as there is only one cxe

注意：这里除了 / 之外的所有内容都是可变的。即 cde 或 cxe 或某些字符串将恰好在两个 / 之后，在每种情况下

input:aba/101/11111/cde/xyz/blabla
output: cde:xyz/blabla
input: aaa/111/1119/cde/xzx/blabla
output: cde:xzx/blabla
input: aahjdsga/11231/1119/gfts/sjhgdshg/blabla
output: gfts:sjhgdshg/blabla

如果你注意到这里，我的键始终是第 3 个 / 之后的第一个字符串，而值始终是键

之后的子字符串

Answer 1

尝试(?<!\S)[^\s/]*(?:/[^\s/]*){2}/([^\s/]*)

demo

每个commnt尝试新的

(?<!\S)[^\s/]*(?:/[^\s/]*){2}/([^\s/]*)(?:/(\S*))?

demo2

Answer 2

其他人已经发布了各种正则表达式；一个更广泛的问题——这个问题最好用正则表达式解决吗？根据数据的整体格式化方式，使用

可能会更好地解析它

.split('/') method on the string;或
csv.reader(..., delimiter='/') 或 csv.DictReader(..., delimiter='/') 在 csv 模块中。

Answer 3

根据您的描述"key is always the first string after 3rd / and value is always the substring after key"，这里有几个解决方案。第一个使用 str.split，maxsplit 为 4，将第四个 / 之后的所有内容收集到值中。第二个使用正则表达式提取两部分：

inp = ['aba/101/11111/cde/xyz/blabla',
        'aaa/111/1119/cde/xzx/blabla',
        'aahjdsga/11231/1119/gfts/sjhgdshg/blabla'
        ]

for s in inp:
    parts = s.split('/', 4)
    key = parts[3]
    value = parts[4]
    print(f'{key}:{value}')

import re

for s in inp:
    m = re.match(r'^(?:[^/]*/){3}([^/]*)/(.*)$', s)
    if m is not None:
        key = m.group(1)
        value = m.group(2)
        print(f'{key}:{value}')

两段代码的输出都是

cde:xyz/blabla
cde:xzx/blabla
gfts:sjhgdshg/blabla

在 python 3 中使用正则表达式查找子字符串的最佳方法

best way to find substring using regex in python 3

python

regex

python-3.7