python正则表达式查找匹配字符串

我试图在Python中使用正则表达式在字符串中查找匹配的字符串。

字符串

如下所示：

band   1 # energy  -53.15719532 # occ.  2.00000000

ion      s      p      d    tot
  1  0.000  0.995  0.000  0.995
  2  0.000  0.000  0.000  0.000
tot  0.000  0.996  0.000  0.996

band   2 # energy  -53.15719532 # occ.  2.00000000

ion      s      p      d    tot
  1  0.000  0.995  0.000  0.995
  2  0.000  0.000  0.000  0.000
tot  0.000  0.996  0.000  0.996

band   3 # energy  -53.15719532 # occ.  2.00000000

我的目标是在

tot

之后找到字符串。因此，匹配的字符串将类似于：

['0.000  0.996  0.000  0.996', 
'0.000  0.996  0.000  0.996']

这是我目前的代码：

pattern = re.compile(r'tot\s+(.*?)\n', re.DOTALL)
pattern.findall(string)

但是，输出给了我：

['1  0.000  0.995  0.000  0.995',
 '0.000  0.996  0.000  0.996',
 '1  0.000  0.995  0.000  0.995',
 '0.000  0.996  0.000  0.996']

---

你知道我做错了什么吗？

你不想要

DOTALL

标志。取下它，改用它

这将匹配以

tot

开头的所有行。该行的其余部分将在第1组中

引用我的重点：

re.DOTALL

使

“.

特殊字符与所有字符匹配，包括 新行；如果没有此标志，

。

将匹配除 新线

请注意，在没有正则表达式的情况下，您可以轻松地执行此操作

with open("input.txt", "r") as data_file:
    for line in data_file:
        items = filter(None, line.split(" "))
        if items[0] == "tot":
            # etc

---

您不需要

DOTALL

标志。取下它，改用它

这将匹配以

tot

开头的所有行。该行的其余部分将在第1组中

引用我的重点：

re.DOTALL

使

“.

特殊字符与所有字符匹配，包括 新行；如果没有此标志，

。

将匹配除 新线

请注意，在没有正则表达式的情况下，您可以轻松地执行此操作

with open("input.txt", "r") as data_file:
    for line in data_file:
        items = filter(None, line.split(" "))
        if items[0] == "tot":
            # etc

---

您使用的是re.DOTALL，这意味着点“.”将匹配任何内容，甚至是换行符，本质上是查找“tot”-s以及下一个换行符之前的所有内容：

                            tot
  1  0.000  0.995  0.000  0.995

及

删除re.DOTALL应该可以解决您的问题

编辑： 实际上，DOTALL标志并不是真正的问题（尽管没有必要）。模式中的问题是\s+与换行符匹配。将其替换为单个空间可以解决此问题：

pattern = re.compile(r'tot (.*?)\n')

---

您使用的是re.DOTALL，这意味着点“.”将匹配任何内容，甚至是换行符，本质上是查找“tot”-s以及下一个换行符之前的所有内容：

                            tot
  1  0.000  0.995  0.000  0.995

及

删除re.DOTALL应该可以解决您的问题

编辑： 实际上，DOTALL标志并不是真正的问题（尽管没有必要）。模式中的问题是\s+与换行符匹配。将其替换为单个空间可以解决此问题：

pattern = re.compile(r'tot (.*?)\n')

---

使用具有特定正则表达式模式的

re.findall

函数的替代解决方案：

# str is your inital string
result = re.findall('tot [0-9 .]+(?=\n|$)', str)
print(result)

输出：

['tot  0.000  0.996  0.000  0.996', 'tot  0.000  0.996  0.000  0.996']

---

使用具有特定正则表达式模式的

re.findall

函数的替代解决方案：

# str is your inital string
result = re.findall('tot [0-9 .]+(?=\n|$)', str)
print(result)

输出：

['tot  0.000  0.996  0.000  0.996', 'tot  0.000  0.996  0.000  0.996']

---

我想我应该将

DOTALL

更改为

MULTILINE

，因为这里不需要@Tomalak suggestedMULTILINE，除非您希望使用^和$分别匹配行首和行尾。我必须指出@Tomalak的解决方案更干净。你说得对<代码>\s+实际上是这里的问题。我想它只意味着不止一个空格。谢谢你让我知道。我想我应该把

DOTALL

改为

MULTILINE

，因为这里不需要@Tomalak suggestedMULTILINE，除非你想分别使用^和$来匹配行首和行尾。我必须指出@Tomalak的解决方案更干净。你说得对<代码>\s+实际上是这里的问题。我想它只意味着不止一个空格。谢谢你让我知道。这解决了我的问题。我想我对

DOTALL

和

multiline

感到困惑。需要更多地了解它。这解决了我的问题。我想我对

DOTALL

和

multiline

感到困惑。需要更多地了解它。