Python 删除多行字符串中直到给定模式的所有字符
使用Python,我需要删除多行字符串中的所有字符,直到给定模式第一次出现为止。在Perl中,这可以使用正则表达式来完成,如下所示:Python 删除多行字符串中直到给定模式的所有字符,python,regex,string,Python,Regex,String,使用Python,我需要删除多行字符串中的所有字符,直到给定模式第一次出现为止。在Perl中,这可以使用正则表达式来完成,如下所示: #remove all chars up to first occurrence of cat or dog or rat $pattern = 'cat|dog|rat' $pagetext =~ s/(.*?)($pattern)/$2/xms; 在Python中,最好的方法是什么 >>> import re >>>
#remove all chars up to first occurrence of cat or dog or rat
$pattern = 'cat|dog|rat'
$pagetext =~ s/(.*?)($pattern)/$2/xms;
在Python中,最好的方法是什么
>>> import re
>>> s = 'hello cat!'
>>> m = re.search('cat|dog|rat', s)
>>> s[m.start():]
'cat!'
当然,您需要考虑实际解决方案中没有匹配项的情况
或者更清楚地说:
>>> import re
>>> s = 'hello cat!'
>>> p = 'cat|dog|rat'
>>> re.sub('.*?(?=%s)' % p, '', s, 1)
'cat!'
对于多行,请使用
re.DOTALL
标志。类似的操作可以满足您的需要:
import re
text = ' sdfda faf foo zing baz bar'
match = re.search('foo|bar', text)
if match:
print text[match.start():] # ==> 'foo zing baz bar'
非正则表达式方式
>>> s='hello cat!'
>>> pat=['cat','dog','rat']
>>> for n,i in enumerate(pat):
... m=s.find(i)
... if m != -1: print s[m:]
...
cat!
您希望删除第一次出现模式之前的所有字符;举个例子,你给“猫、狗、老鼠” 使用
re
实现此目的的代码:
re.sub("(?s).*?(cat|dog|rat)", "\\1", input_text, 1)
或者,如果要再次使用此正则表达式:
rex= re.compile("(?s).*?(cat|dog|rat)")
result= rex.sub("\\1", input_text, 1)
注意非贪婪的*?
。首字母(?s)
也允许在匹配单词之前匹配换行符
示例:
>>> input_text= "I have a dog and a cat"
>>> re.sub(".*?(cat|dog|rat)", "\\1", input_text, 1)
'dog and a cat'
>>> re.sub("(?s).*?(cat|dog|rat)", "\\1", input_text, 1)
'I have no animals!'
>>> input_text= "This is irrational"
>>> re.sub("(?s).*?(cat|dog|rat)", "\\1", input_text, 1)
'rational'
如果您只想对单词cat、dog和rat进行转换,则必须将正则表达式更改为:
>>> re.sub(r"(?s).*?\b(cat|dog|rat)\b", "\\1", input_text, 1)
'This is irrational'
另一个选项是使用前瞻
s/*?(?=$pattern)//xs
:
re.sub(r'(?s).*?(?=cat|dog|rat)', '', text, 1)
非正则表达式方式:
for option in 'cat dog rat'.split():
index = text.find(option)
if index != -1: # found
text = text[index:]
break
非正则表达式方式的速度几乎快了5倍(对于某些输入):
其中drop\u直到\u word.py
为:
import re
def drop_re(text, options):
return re.sub(r'(?s).*?(?='+'|'.join(map(re.escape, options))+')', '',
text, 1)
def drop_re2(text, options):
return re.sub(r'(?s).*?('+'|'.join(map(re.escape, options))+')', '\\1',
text, 1)
def drop_search(text, options):
m = re.search('|'.join(map(re.escape, options)), text)
return text[m.start():] if m else text
def drop_find(text, options):
indexes = [i for i in (text.find(option) for option in options) if i != -1]
return text[min(indexes):] if indexes else text
text = open('/usr/share/dict/words').read()
options = 'cat dog rat'.split()
def test():
assert drop_find(text, options) == drop_re(text, options) \
== drop_re2(text, options) == drop_search(text, options)
txt = 'dog before cat'
r = txt
for f in [drop_find, drop_re, drop_re2, drop_search]:
assert r == f(txt, options), f.__name__
if __name__=="__main__":
test()
+1:注意到我没有注意到的不灵活和匹配限制。你对“和r”的使用不一致(例如,它可能是
r“\1”
)@Ian Bicking:不一致是旁观者的眼睛。我几乎总是对具有多个文字反斜杠的字符串使用r“”表示法;例外情况是包含{}个字符名的unicode正则表达式。或具有。跨多行匹配使用DOTALL re.sub(r'',r'',st,flags=re.DOTALL)或在正则表达式前面加上(?s)
;此外,它将删除直到上次出现$pattern为止的所有字符*
在Perl中是贪婪的,就像在Python中一样。谢谢。已更新,因此没有贪婪匹配。enumerate()
在这里是不必要的re.search
比re.sub
变体在这种情况下要快得多,谢谢。无重新版本并没有真正做到我所追求的,虽然也就是说,删除所有字符,直到第一次出现猫、狗或老鼠。例如,如果字符串是“猫之前的狗”,则重新版本将正确返回“猫之前的狗”,而查找版本将只返回“猫”。@biffabacon:good catch。我已经为“先狗后猫”的案例修复了drop\u find()
。
import re
def drop_re(text, options):
return re.sub(r'(?s).*?(?='+'|'.join(map(re.escape, options))+')', '',
text, 1)
def drop_re2(text, options):
return re.sub(r'(?s).*?('+'|'.join(map(re.escape, options))+')', '\\1',
text, 1)
def drop_search(text, options):
m = re.search('|'.join(map(re.escape, options)), text)
return text[m.start():] if m else text
def drop_find(text, options):
indexes = [i for i in (text.find(option) for option in options) if i != -1]
return text[min(indexes):] if indexes else text
text = open('/usr/share/dict/words').read()
options = 'cat dog rat'.split()
def test():
assert drop_find(text, options) == drop_re(text, options) \
== drop_re2(text, options) == drop_search(text, options)
txt = 'dog before cat'
r = txt
for f in [drop_find, drop_re, drop_re2, drop_search]:
assert r == f(txt, options), f.__name__
if __name__=="__main__":
test()