Python regexp在一行中查找两个关键字

我很难理解这个正则表达式

我有这样一个字符串：

<wn20schema:NounSynset rdf:about="&dn;synset-56242" rdfs:label="{saddelmageri_1}">

<wn20schema:NounSynset rdf:about="&dn;synset-2589" rdfs:label="**{cykel_3: trehjulet cykel; tricykel,1_1}**">

我可以将数字与synset-[0-9]之类的东西匹配，将单词与{.*？}之类的东西匹配，但是如何编写它来获得上述结果呢

下面是一个后续问题-一些线条看起来像这样：

<wn20schema:NounSynset rdf:about="&dn;synset-56242" rdfs:label="{saddelmageri_1}">

<wn20schema:NounSynset rdf:about="&dn;synset-2589" rdfs:label="**{cykel_3: trehjulet cykel; tricykel,1_1}**">

所以我可以把它作为键2589:value['cykel'，'trehjulet-cykel'，'tricykel']对放到字典里

有什么想法吗？

请看最上面的答案。用正则表达式解析xml通常是一个糟糕的想法。XML解析器就是为此而构建的

要做到这一点，最快的方法可能是python的

请参见的顶部答案。用正则表达式解析xml通常是一个糟糕的想法。XML解析器就是为此而构建的

---

最快的方法可能是python的

，因为这似乎是xml数据，所以最好使用xml解析器，因为用正则表达式解析xml非常非常困难

但是，由于您特别要求使用正则表达式

您的规范有点不精确，对于正则表达式，您需要非常精确地确定匹配的内容。例如，rdfs:label值是否总是有一个要去掉的_1？每行始终只有一个数据块，还是每行有多个数据块？此外，结果的顺序是否重要

下面是一个快速破解，可能会让你接近你想要的：

import re
data=r'<wn20schema:NounSynset rdf:about="&dn;synset-56242" rdfs:label="{saddelmageri_1}">"'

matches=re.findall('synset-([0-9]+).*label="{(.*)_1}"', data)
print "matches:", matches

---

因为这似乎是xml数据，所以最好使用xml解析器，因为用正则表达式解析xml非常非常困难

但是，由于您特别要求使用正则表达式

您的规范有点不精确，对于正则表达式，您需要非常精确地确定匹配的内容。例如，rdfs:label值是否总是有一个要去掉的_1？每行始终只有一个数据块，还是每行有多个数据块？此外，结果的顺序是否重要

下面是一个快速破解，可能会让你接近你想要的：

import re
data=r'<wn20schema:NounSynset rdf:about="&dn;synset-56242" rdfs:label="{saddelmageri_1}">"'

matches=re.findall('synset-([0-9]+).*label="{(.*)_1}"', data)
print "matches:", matches

---

如果你对这些数据做了很多，甚至可以考虑一个专门的RDF库，例如RDFLIB。 如果不是的话，那么XML解析器绝对是一条出路

如果明天它不在一条线上呢？ 如果明天标签会出现在订单上怎么办？ 至少还有十几种方法可以使它保持有效的XML，但会破坏您的regexp！

---

无论如何，我尝试应用XML解析器，但是我得到了一个未定义的实体错误&dn；那里您可以发布文件DOCTYPE、命名空间定义等的顶部吗？

< P>如果您对这些数据做了大量的工作，请考虑一个专门的RDF库，例如RDFLIB。 如果不是的话，那么XML解析器绝对是一条出路

如果明天它不在一条线上呢？ 如果明天标签会出现在订单上怎么办？ 至少还有十几种方法可以使它保持有效的XML，但会破坏您的regexp！

---

无论如何，我尝试应用XML解析器，但是我得到了一个未定义的实体错误&dn；那里您可以发布文件doctype、名称空间定义等的顶部吗？

您在这里执行两种不同类型的解析，需要使用两种不同的工具

首先，您正在解析XML。为此，需要使用XML解析器，而不是正则表达式。因为这些元素在功能上是相同的XML：

<wn20schema:NounSynset rdf:about="&dn;synset-56242" rdfs:label="{saddelmageri_1}">
</wn20schema:NounSysnset>

<wn20schema:NounSynset rdf:about="&dn;synset-56242" rdfs:label="{saddelmageri_1}"/>

<wn20schema:NounSynset rdfs:label="{saddelmageri_1}" rdf:about="&dn;synset-56242"/>

现在，您可以看问题的第二部分，即从现有的属性值中解析所需的值。为此，可以使用正则表达式。要分析about属性，这可能会起作用：

re.match(r'[^\d]*(\d*)', about).groups()[0]

返回找到的第一个数字字符序列。要分析label属性，可以使用：

re.match(r'{([^_]*)', label).groups()[0]

---

它返回标签中的所有字符，这些字符位于左大括号的前面，直到但不包括第一个下划线。至于解析您发布的第二种形式的标签，您还没有发布足够的信息，我无法猜测要解析的正则表达式是什么样子。

您在这里进行了两种不同的解析，需要使用两种不同的工具

首先，您正在解析XML。为此，需要使用XML解析器，而不是正则表达式。因为这些元素在功能上是相同的XML：

<wn20schema:NounSynset rdf:about="&dn;synset-56242" rdfs:label="{saddelmageri_1}">
</wn20schema:NounSysnset>

<wn20schema:NounSynset rdf:about="&dn;synset-56242" rdfs:label="{saddelmageri_1}"/>

<wn20schema:NounSynset rdfs:label="{saddelmageri_1}" rdf:about="&dn;synset-56242"/>

现在，您可以看问题的第二部分，即从现有的属性值中解析所需的值。为此，可以使用正则表达式。要分析about属性，这可能会起作用：

re.match(r'[^\d]*(\d*)', about).groups()[0]

返回找到的第一个数字字符序列。要分析label属性，可以使用：

re.match(r'{([^_]*)', label).groups()[0]

它返回标签中的所有字符，这些字符位于左大括号的前面，直到但不包括第一个下划线。至于解析您发布的第二种形式的标签，您必须

---

我没有发布足够的信息来猜测要解析的正则表达式是什么样子。

不要用锤子来切火鸡，阅读：这不是使用正则表达式的理由。@balpha，+1！您应该改为使用XML解析器。不要用锤子切割火鸡：这不是使用正则表达式的情况。@balpha，+1！你应该改为使用XML解析器。这就解决了我的问题！但是是的，你是对的，我不是很精确。碰巧的是，它并不总是a_1，它可能是a_2或更多。即使有时没有任何东西，这个词的前缀也会是DN:，比如{DN:saddelmageri}。我想你是对的，使用XML解析器一定更容易。这就解决了我的问题！但是是的，你是对的，我不是很精确。碰巧的是，它并不总是a_1，它可能是a_2或更多。即使有时没有任何东西，这个词的前缀也会是DN:，比如{DN:saddelmageri}。我想你是对的，使用XML解析器一定更容易。