Python 将所有名称与末尾的5位数字完全匹配

我有这样一个文本文件：

john123:
1
2
coconut_rum.zip

bob234513253:
0
jackdaniels.zip
nowater.zip 
3

judy88009:
dontdrink.zip
9

tommi54321:
dontdrinkalso.zip
92

...

我有数百万这样的作品

我想取一个5位数的名字和号码。我试过这个：

matches = re.findall(r'\w*\d{5}:',filetext2)

但它给我的结果至少有5位数

['bob234513253:', 'judy88009:', 'tommi54321:']

问题1：如何找到正好有5位数字的名称

问题2：我想用5位数字附加与这些名称相关联的zip文件。如何使用正则表达式执行此操作？

这是因为\w包含数字字符：

>>> import re
>>> re.match('\w*', '12345')
<_sre.SRE_Match object at 0x021241E0>
>>> re.match('\w*', '12345').group()
'12345'
>>>

关于第二个问题，您可以使用以下内容：

import re
# Dictionary to hold the results
results = {}
# Break-up the file text to get the names and their associated data.
# filetext2.split('\n\n') breaks it up into individual data blocks (one per person).
# Mapping to str.splitlines breaks each data block into single lines.
for name, *data in map(str.splitlines, filetext2.split('\n\n')):
    # See if the name matches our pattern.
    if re.match('[A-Za-z]*\d{5}:', name):
        # Add the name and the relevant data to the file.
        # [:-1] gets rid of the colon on the end of the name.
        # The list comprehension gets only the file names from the data.
        results[name[:-1]] = [x for x in data if x.endswith('.zip')]

或者，在没有所有评论的情况下：

import re
results = {}
for name, *data in map(str.splitlines, filetext2.split('\n\n')):
    if re.match('[A-Za-z]*\d{5}:', name):
        results[name[:-1]] = [x for x in data if x.endswith('.zip')]

下面是一个演示：

>>> import re
>> filetext2 = '''\
... john123:
... 1
... 2
... coconut_rum.zip
...
... bob234513253:
... 0
... jackdaniels.zip
... nowater.zip
... 3
...
... judy88009:
... dontdrink.zip
... 9
...
... tommi54321:
... dontdrinkalso.zip
... 92
... '''
>>> results = {}
>>> for name, *data in map(str.splitlines, filetext2.split('\n\n')):
...     if re.match('[A-Za-z]*\d{5}:', name):
...         results[name[:-1]] = [x for x in data if x.endswith('.zip')]
...
>>> results
{'tommi54321': ['dontdrinkalso.zip'], 'judy88009': ['dontdrink.zip']}
>>>

---

请记住，一次读入文件的所有内容不是很有效。相反，您应该考虑生成生成器函数，以一次生成数据块。此外，您还可以通过预编译正则表达式模式来提高性能。

您需要将正则表达式限制在单词末尾，以便它不会与使用\b

例如，见

正则表达式将匹配

judy88009:

tommi54321:

python代码如下

>>> re.findall(r'[a-zA-Z]+\d{5}\b', x)
['judy88009', 'tommi54321']

输出 议论 我试图保持它非常简单，如果您的输入很长，您应该按照iCodez的建议，实现一个生成器，一次生成一条记录，而对于regexp匹配，我尝试了一些优化，只搜索头的最后7个字符

附录：记录生成器的简化实现

---

您可能应该将括号从字符串的开头包装到冒号之前，这样冒号就不会包含在用户名字符串中。谢谢。我如何用这个regex和这个用户名下的zip文件列出一个列表？@new_coder-很抱歉耽搁了；突然出现了一些重要的事情。我编辑的帖子回答了你的第二个问题。嗨。还有一件事。如果我不想硬编码5号怎么办？类似这样的东西------------------->如果re.match'[A-Za-z]*\d{num}:'，name:where num=5可以这样做吗？@new_coder-你可以用它插入你想要的任何数字：'[A-Za-z]*\d{{num}:'.formatnum=5产生'[A-Za-z]*\d{5}:'。请注意，您需要额外的大括号，因为{…}表示格式字段。

judy88009:

tommi54321:

>>> re.findall(r'[a-zA-Z]+\d{5}\b', x)
['judy88009', 'tommi54321']

import re

results = {}

with open('datazip') as f:
    records = f.read().split('\n\n')

for record in records:
    lines = record.split()
    header = lines[0]

    # note that you need a raw string
    if re.match(r"[^\d]\d{5}:", header[-7:]):

        # in general multiple hits are possible, so put them into a list
        results[header] = [l for l in lines[1:] if l[-3:]=="zip"]

print results

{'tommi54321:': ['dontdrinkalso.zip'], 'judy88009:': ['dontdrink.zip']}

import re

def records(f):
    record = []
    for l in f:
        l = l.strip()
        if l:
            record.append(l)
        else:
            yield record
            record = []
    yield record

results = {}
for record in records(open('datazip')):
    head = record[0]
    if re.match(r"[^\d]\d{5}:", head[-7:]):
        results[head] = [ r for r in record[1:] if r[-3:]=="zip"]
print results