Python 匹配多个正则表达式组并删除它们

我得到了一个文件，我想从中提取有用的数据。文件的格式如下所示：

LINE: 1
TOKENKIND: somedata
TOKENKIND: somedata
LINE: 2
TOKENKIND: somedata
LINE: 3

import re
import sys

ignoredTokens = re.compile('''
    (?P<WHITESPACE>      \s+             ) |
    (?P<LINE>            LINE:\s[0-9]+   ) |
    (?P<TOKEN>           [A-Z]+:         )
''', re.VERBOSE)

tokenList = open(sys.argv[1], 'r').read()
cleanedList = ''

scanner = ignoredTokens.scanner(tokenList)

for line in tokenList:
    match = scanner.match()

    if match.lastgroup not in ('WHITESPACE', 'LINE', 'TOKEN'):
        cleanedList = cleanedList + match.group(match.lastindex) + ' '

print cleanedList

等等

我想做的是删除LINE:和行号以及TOKENKIND:所以我只剩下一个字符串，它由'somedata somedate somedata…'组成

我使用Python来实现这一点，使用正则表达式（我不确定是否正确）来匹配我要删除的文件位

我的问题是，如何让Python匹配多个正则表达式组并忽略它们，将正则表达式不匹配的任何内容添加到输出字符串中？我当前的代码如下所示：

LINE: 1
TOKENKIND: somedata
TOKENKIND: somedata
LINE: 2
TOKENKIND: somedata
LINE: 3

import re
import sys

ignoredTokens = re.compile('''
    (?P<WHITESPACE>      \s+             ) |
    (?P<LINE>            LINE:\s[0-9]+   ) |
    (?P<TOKEN>           [A-Z]+:         )
''', re.VERBOSE)

tokenList = open(sys.argv[1], 'r').read()
cleanedList = ''

scanner = ignoredTokens.scanner(tokenList)

for line in tokenList:
    match = scanner.match()

    if match.lastgroup not in ('WHITESPACE', 'LINE', 'TOKEN'):
        cleanedList = cleanedList + match.group(match.lastindex) + ' '

print cleanedList

重新导入
导入系统
ignoredTokens=re.compile（“”）
（？P\s+）|
（？P行：\s[0-9]+）|
（？P[A-Z]+：）
''，重复冗长）
tokenList=open（sys.argv[1]，'r'）.read（）
清除列表=“”
scanner=ignoredTokens.scanner（令牌列表）
对于令牌列表中的行：
match=scanner.match（）
如果match.lastgroup不在（'WHITESPACE'，'LINE'，'TOKEN'）：
cleanedList=cleanedList+match.group（match.lastindex）+”
打印清除列表

用空字符串替换

（^LINE:\d+$）|（^\w+：）

怎么样

---

使用

\n

而不是

^

和

$

删除不需要的空行。

无需在Python中使用正则表达式。毕竟是Python，而不是Perl。简单思考并使用它的字符串操作功能

import re

x = '''LINE: 1
TOKENKIND: somedata
TOKENKIND: somedata
LINE: 2
TOKENKIND: somedata
LINE: 3'''

junkre = re.compile(r'(\s*LINE:\s*\d*\s*)|(\s*TOKENKIND:)', re.DOTALL)

print junkre.sub('', x)

f=open("file")
for line in f:
    if line.startswith("LINE:"): continue
    if "TOKENKIND" in line:
        print line.split(" ",1)[-1].strip()
f.close()

---

对不起，我觉得我不够精确。我想知道的是，在我的for循环中，忽略任何与空格、行和标记匹配的内容是否正确？Alex已经发布了这个的即兴和pythonified版本。完美。删除for循环并使用sub（）效果很好。谢谢你的帮助。