Regex: Wiederholtes erfassen von Gruppen

Habe ich zu analysieren, einige Tabellen aus einer ASCII-text-Datei. Hier ist eine teilstichprobe:

QSMDRYCELL   11.00   11.10   11.00   11.00    -.90      11     11000     1.212
RECKITTBEN  192.50  209.00  192.50  201.80    5.21      34      2850     5.707
RUPALIINS   150.00  159.00  150.00  156.25    6.29       4        80      .125
SALAMCRST   164.00  164.75  163.00  163.25    -.45      80      8250    13.505
SINGERBD    779.75  779.75  770.00  773.00    -.89       8        95      .735
SONARBAINS   68.00   69.00   67.50   68.00     .74      11      3050     2.077

Die Tabelle besteht aus 1 Spalte mit text und 8 Spalten von floating-point-zahlen. Ich würde gerne die Aufnahme jeder einzelnen Spalte über regex.

Ich bin ziemlich neu auf reguläre Ausdrücke. Hier ist die fehlerhafte regex-Muster, die ich kam mit:

(\S+)\s+(\s+[\d\.\-]+){8}

Aber das Muster erfasst werden nur die ersten und die letzten Spalten. RegexBuddy strahlt auch die folgende Warnung:

Sie wiederholt die capturing group
selbst. Die Gruppe wird die Aufnahme nur
die Letzte iteration. Setzen Sie ein erfassen
Gruppe rund um die Gruppe wiederholt
erfassen Sie alle Iterationen.

Habe ich konsultiert Ihrer Hilfe-Datei, aber ich habe keine Ahnung, wie man dieses Problem lösen.

Wie kann ich die Aufnahme jeder einzelnen Spalte separat?

InformationsquelleAutor invarbrass | 2010-07-03
  1. 14

    In C# (geändert von dieses Beispiel):

    string input = "QSMDRYCELL   11.00   11.10   11.00   11.00    -.90      11     11000     1.212";
string pattern = @"^(\S+)\s+(\s+[\d.-]+){8}$";
Match match = Regex.Match(input, pattern, RegexOptions.MultiLine);
if (match.Success) {
   Console.WriteLine("Matched text: {0}", match.Value);
   for (int ctr = 1; ctr < match.Groups.Count; ctr++) {
      Console.WriteLine("   Group {0}:  {1}", ctr, match.Groups[ctr].Value);
      int captureCtr = 0;
      foreach (Capture capture in match.Groups[ctr].Captures) {
         Console.WriteLine("      Capture {0}: {1}", 
                           captureCtr, capture.Value);
         captureCtr++; 
      }
   }
}

    Ausgabe:

    Matched text: QSMDRYCELL   11.00   11.10   11.00   11.00    -.90      11     11000     1.212
...
    Group 2:      1.212
         Capture 0:  11.00
         Capture 1:    11.10
         Capture 2:    11.00
...etc.
    • Vielen Dank für das heads-up. Ich bin auf der Suche in der Gruppe.Erfasst Eigenschaft.
    • Captures ist ein nettes feature, aber es scheint wie overkill hier. Warum nicht einfach split jede Zeile am Leerzeichen? Selbst wenn du den regex zu validieren, das format der Zeile, es ist immer noch weniger Arbeit.
    InformationsquelleAutor Tim Pietzcker
  2. 4

    Leider müssen Sie wiederholen Sie die (…) 8 mal, um jede Spalte einzeln.

    ^(\S+)\s+([-.\d]+)\s+([-.\d]+)\s+([-.\d]+)\s+([-.\d]+)\s+([-.\d]+)\s+([-.\d]+)\s+([-.\d]+)\s+([-.\d]+)$

    Wenn der code möglich ist, können Sie die ersten mit denen numerische Spalten als ganzes

    >>> rx1 = re.compile(r'^(\S+)\s+((?:[-.\d]+\s+){7}[-.\d]+)$', re.M)
>>> allres = rx1.findall(theAsciiText)

    dann teilen Sie die Spalten durch Leerzeichen

    >>> [[p] + q.split() for p, q in allres]
    • Kenny, danke für die prompte Antwort! Ich bin tatsächlich mit, dass das Muster jetzt. Aber ich Frage mich, ob es eine bessere Lösung gibt mit wiederholten erfassen von Gruppen.
    • Nicht mit wiederholter Erfassung von Gruppen, die ich bin mir dessen bewusst. Regexes oft am besten funktionieren, wenn Sie nicht versuchen zu übertreiben, Sie mit einem one-shot.
    • KennyTM: Danke! Deine Lösung funktioniert - ich war etwas ähnlich, wenn auch viel weniger elegant.
    • .NET besonders ist, dass es hält intermediate erfasst! Siehe Tim ' s Antwort und stackoverflow.com/questions/3029127/...
    InformationsquelleAutor kennytm
  3. 4

    Wenn Sie wissen wollen, was die Warnung erscheint, weil Ihre capture-Gruppe mit mehreren Zeiten (8, wie von Ihnen angegeben), aber die capture-variable kann nur ein Wert. Es erhält den letzten Wert verglichen.

    Wie beschrieben in Frage 1313332, abrufen von diese mehrere Treffer ist generell nicht möglich mit einem regulären Ausdruck, obwohl .NET und Perl 6 haben einige Unterstützung für Sie.

    Die Warnung deutet darauf hin, dass Sie könnte eine andere Gruppe um den ganzen Satz wie dieser:

    (\S+)\s+((\s+[\d\.\-]+){8})

    Würden Sie dann in der Lage sein, um alle Spalten zu sehen, aber natürlich wären Sie nicht getrennt werden. Weil es in der Regel nicht möglich, erfassen Sie separat, die mehr gemeinsame Absicht ist es, zu erfassen, und die Warnung hilft, die Sie daran erinnern.

    InformationsquelleAutor Sam Brightman
Schreibe einen Kommentar