Python 构造regexp表达式以检查特定的文本数据库格式

假设我有一个文本文件，它通过使用

|

符号来分隔数据库列，充当一个简单的数据库：

|some text| 234| other field| bla| 1232|

我想构造一个将

• 检查每行中有多少字段（通过计算

  |

  符号的出现次数）
• 检查哪些字段为空（两个

  |

  符号之间没有文本）
• 将返回每个字段的值
• 将从字段值周围去除空白。但要小心，空旷的田野不应该被剥去

这里有两个例子来说明我想要什么：

line = |some text| 234| other field| bla| 1232|
output = my_regexp(line)
disp(output)
  'some text', '234', 'other field', 'bla', '1232'

现在相同，但此时间字段3为空：

line2 = |some text| 234|  | bla| 1232|
output = my_regexp(line)
disp(output)
  'some text', '234', '', 'bla', '1232'

我试过以下方法

values = regexp(regexprep(line '[\s]', ''), '\|', 'split')

但不幸的是，这一解决方案并不适用

• 检查有多少

  |

  存在
• 不保留返回值的字段顺序，因为将忽略空字段
• 告诉我哪个字段是空的

---

我从未建立过复杂的regexp规则，非常感谢您的输入

这可以使用

行来完成。拆分如下：

values = [v.strip() for v in line.split("|")[1:-1]]
num_fields = len(values)
num_empty_fields = values.count("")

要获取空字段的索引列表，请执行以下操作：

indices_empty_fields = [i for i, f in enumerate(values) if f == ""]

要使用正则表达式，请将
值的计算替换为：

import re
values = re.split("\s*\|\s*", line)[1:-1]

我不会在这里使用正则表达式；对于这么简单的工作来说，它们太复杂了

仅在管道符号上拆分：

>>> '|some text| 234| other field| bla| 1232|'.split('|')
['', 'some text', ' 234', ' other field', ' bla', ' 1232', '']

丢弃第一个值和最后一个值，去掉其余值以删除空白，您就有了列：

>>> example = '|some text| 234| other field| bla| 1232|'
>>> columns = map(lambda s: s.strip(), example.split('|')[1:-1])
>>> columns
['some text', '234', 'other field', 'bla', '1232']

要在不拆分的情况下对列进行计数，只需使用
.count（）
函数，减去1：

>>> example.count('|') - 1
5

或者获取列输出的
len
：

>>> len(columns)
5

要计算空列数吗？拆分这些列并计算空列：

>>> columns.count('')
0

或者你的第二行：

>>> line2 = '|some text| 234|  | bla| 1232|'
>>> columns_line2 = map(lambda s: s.strip(), line2.split('|')[1:-1])
>>> columns_line2
['some text', '234', '', 'bla', '1232']
>>> columns_line2.count('')
1

你为什么给这条蟒蛇贴标签？示例代码行似乎是Matlab-您想要Python解决方案吗？@DavidRobinson我不在乎它是Matlab还是Python解决方案。我都很感激。希望没问题@戴维德罗宾森是的，伙计，现在你把我弄糊涂了。我喜欢你的解决方案，但现在你又使用了regexp：）@MartijnPieters：我的主要意思是，你不需要使用regex来计算字段数或空字段数，但你是对的！Edited@DavidRobinson通过访问
值
，有没有一种简单的方法来找出哪个字段是空的？@memyself:当你说“哪个字段是空的”：你是指一个空字段的索引列表？@memyself:当然，我把它加回去了，但两种方法之间确实没有太大区别（在某种客观意义上足以判断一个比另一个好）。