使用python re.findall收集出席列表

这里我们有一个缩放聊天历史记录，我想从中提取所有学生ID，例如38150002和ID所有者的姓名（例如smith示例）

我用re.findall成功地用一组模式提取了学生id

lst = re.findall('\d\d-\d+', ex) #for id like 40-250233

---

问题是如何提取学生id后面的姓名？

有很多方法，但这里有一个简单的方法，使用拆分和联接，假设：

冒号在文件中作为分隔符保持不变

学生ID后的所有内容均指学生姓名

代码如下，应用于一行：

row_string = "17:00:44     From Smith Example : 38150002 Smith Example"
ID = row_string.split(':')[3].split(' ')[1] # '38150002'
name = " ".join(row_string.split(':')[3].split(' ')[2:]) #'Smith Example' 

输入：

输出：

[(': ', '38150002', ' Smith Example\n17'), (': ', '41050002', ' Smith Middle Example\n17'), (': ', '37-191129', ' Smith One Example\n17'), (': ', '31-086612', ' Smith Example\n17'), (': ', '40-250233', ' Smith Example\n17'), (': ', '38129055', ' Smith Example\n17'), (': ', '38-129055', ' Smith Example Joe')]

在这里，您可以得到与您给出的示例相匹配的两种模式。

---

对于每个匹配的模式，输出基本上包含3个部分-第一部分是

：

，第二部分是

ID

，这是您给定的两个模式（如果您想匹配更多的模式，您应该根据需要更改正则表达式，不能以通用方式编写正则表达式），第三部分是

ID之后的整个字符串

（如果您只想捕获最多第二个空格或第三个空格字符，则还应自定义此项）

假设您给出了确切的结构，您可以使用此正则表达式：

\d\d:\d\d:\d\d.*:\s*([\d-]+)\s*(.*)$

我将ID和名称放在捕获组中，因此使用

findall

将得到一个很好的结果。例如：

重新导入
s=“”17:00:44来自史密斯示例：38150002史密斯示例\n
17:00:54来自史密斯示例：41050002史密斯中间示例\n
17:01:04自史密斯示例：37-191129史密斯示例\n
17:01:12自史密斯示例：31-086612史密斯示例\n
17:01:20自史密斯示例：40-250233史密斯示例\n
17:01:33来自史密斯示例：38129055史密斯示例\n
17:01:39来自史密斯示例：38-129055史密斯示例乔\n“”
打印（re.findall（r'\d\d:\d\d:\d\d.*:\s*（[\d-]+）\s*（*）$，s，re.M））

将提供：

[('38150002', 'Smith Example'), 
 ('41050002', 'Smith Middle Example'), 
 ('37-191129', 'Smith One Example'), 
 ('31-086612', 'Smith Example'), 
 ('40-250233', 'Smith Example'), 
 ('38129055', 'Smith Example'), 
 ('38-129055', 'Smith Example Joe')]

---

---

请注意，如果您逐行迭代文件，则不需要该标志。

使用以下命令提取ID和名称（请随意优化与regex

\w+（？：[]\w+

匹配的名称，以获得更好的控制）：

>>关于findall（'\d\d-\d+[]\w+（？：[]\w+'，ex）
['37-191129史密斯一例'，'31-086612史密斯一例'，'40-250233史密斯一例'，'38-129055史密斯一例']

如果仅需要名称，请使用非捕获组

（？：）

忽略ID部分，并将名称放入

（）

：

>>关于findall（'（？：\d\d-\d+[]）（\w+（？：[]\w+），例如）
['Smith One Example'、'Smith Example'、'Smith Example'、'Smith Example'、'Smith Example Joe']

顺便说一句，您还可以将ID和名称捕获为元组：

>>关于findall（'（\d\d-\d+[]）（\w+（？：[]\w+），ex）
[（'37-191129'，'Smith One Example'），（'31-086612'，'Smith Example'），（'40-250233'，'Smith Example'），（'38-129055'，'Smith Example Joe'）]

这似乎没有回答这个问题。你的代码没有返回与ID相关联的全名-它只返回姓氏。此外，你也没有返回没有连字符的ID。嘿，谢谢你的回答。我只是展示了一个使用re.findall收集所有ID的示例。但正是这些名称让我困惑，因为学生们没有结束以不同的模式输入他们的名字。我已经更新了。应该适用于你给出的模式。非常感谢你的回答。“学生ID后的所有内容都指向学生名字”似乎是一个很好的方法，因为不同的学生倾向于以不同的模式输入他们的名字。有了你的答案，我可以收集ir名称，而不必担心如何输入名称。（例如，有些人只是在名字和姓氏之间没有空格）

\d\d:\d\d:\d\d.*:\s*([\d-]+)\s*(.*)$

[('38150002', 'Smith Example'), 
 ('41050002', 'Smith Middle Example'), 
 ('37-191129', 'Smith One Example'), 
 ('31-086612', 'Smith Example'), 
 ('40-250233', 'Smith Example'), 
 ('38129055', 'Smith Example'), 
 ('38-129055', 'Smith Example Joe')]