Trochę zagubiłem się o surowy ciąg znaków Python. Wiem, że jeśli użyjemy nieprzetworzonego łańcucha, to będzie traktować "\" jako normalny ukośnik odwrotny (np. R \ n "będzie" \ "i" n "). Zastanawiałem się jednak, co zrobić, jeśli chcę dopasować nowy ciąg znaków do surowego ciągu znaków. Próbowałem r \ n ", ale to nie zadziałało. Ktoś ma jakieś dobre pojęcie na ten temat?Jak dopasować znak nowego wiersza w nieprzetworzonym łańcuchu Python
w wyrażeniu regularnym, trzeba określić, że jesteś w trybie wielowierszowego:
>>> import re
>>> s = """cat
... dog"""
>>>
>>> re.match(r'cat\ndog',s,re.M)
<_sre.SRE_Match object at 0xcb7c8>
Uwaga, re tłumaczy \n (surowy ciąg) do nowej linii. Jak wskazano w komentarzach, nie faktycznie potrzebare.M na to, aby dopasować, ale to nie pomaga z pasującymi $ i ^ bardziej intuicyjnie:
>> re.match(r'^cat\ndog',s).group(0)
'cat\ndog'
>>> re.match(r'^cat$\ndog',s).group(0) #doesn't match
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'
>>> re.match(r'^cat$\ndog',s,re.M).group(0) #matches.
'cat\ndog'
Dzięki za odpowiedź @mgilson! Chciałbym również wiedzieć, dlaczego musimy określić tryb multilinii. Próbowałem dopasowywania bez niego, jak ten "re.match (r'cat \ ndog", s) "i nadal działa. – wei
@ user1783403 - Masz rację. Więcej powinienem przeczytać w dokumentacji. określenie 're.M' pobiera'^'i' $ ', aby dopasować bardziej intuicyjnie. – mgilson
Jakikolwiek sposób, aby '$' dopasować "mniej intuicyjnie" - tj. Aby dopasować * tylko * na końcu łańcucha? Nie chcę, żeby to się zgadzało przed '\ n' –
Najprostsza odpowiedź to po prostu nie używać nieprzetworzonego łańcucha. Możesz uciec przed ukośnikami, używając \\.
Jeśli masz ogromną liczbę ukośniki w niektórych segmentach, a następnie można łączyć surowe ciągi i normalne ciągi jako potrzebne:
r"some string \ with \ backslashes" "\n"
(Python automatycznie skleja literały ciągów tylko z odstępami między nimi.)
Pamiętaj, że jeśli pracujesz z ścieżkami w systemie Windows, najprościej jest po prostu użyć ukośników - nadal będzie działać poprawnie.
@mgilson Właśnie sprawdzałem, czy działa z nieprzetworzonymi łańcuchami i normalnymi ciągami, ponieważ to nie jest coś, co zrobiłem. Edytowane tak jak to. Jest to trochę lepsze, ponieważ uważam, że konkatenacja odbywa się w czasie parsowania, a nie wtedy, gdy jest wykonywana. –
Tak, nigdy wcześniej nie sprawdzałem :) – mgilson
Dlaczego -1 na tym? –
def clean_with_puncutation(text):
from string import punctuation
import re
punctuation_token={p:'<PUNC_'+p+'>' for p in punctuation}
punctuation_token['<br/>']="<TOKEN_BL>"
punctuation_token['\n']="<TOKEN_NL>"
punctuation_token['<EOF>']='<TOKEN_EOF>'
punctuation_token['<SOF>']='<TOKEN_SOF>'
#punctuation_token
regex = r"(<br/>)|(<EOF>)|(<SOF>)|[\n\!\@\#\$\%\^\&\*\(\)\[\]\
{\}\;\:\,\.\/\?\|\`\_\\+\\\=\~\-\<\>]"
###Always put new sequence token at front to avoid overlapping results
#text = '<EOF>[email protected]#$%^&*()[]{};:,./<>?\|`~-= _+\<br/>\n <SOF>\ '
text_=""
matches = re.finditer(regex, text)
index=0
for match in matches:
#print(match.group())
#print(punctuation_token[match.group()])
#print ("Match at index: %s, %s" % (match.start(), match.end()))
text_=text_+ text[index:match.start()] +" "
+punctuation_token[match.group()]+ " "
index=match.end()
return text_
Jakie meczu mówimy tutaj? Czy mówisz o dopasowaniu do wyrażenia regularnego lub po prostu 'if ... in my_raw_string'? – mgilson
Przepraszam, że wprowadzam Cię w błąd. Mówię o regularnym wyrażeniu. – wei