从模式中提取多个字段的正则表达式

Question

我在一个文本文件里有这样的格式：

["kiarix moreno","116224357500406255237","z120gbkosz2oc3ckv23bc10hhwrudlcjy04",1409770337,"com.youtube.www/watch?v\u003dp1JPKLa-Ofc:https","es"]

我需要用正则表达式在Python中提取每个字段。每个字段可以包含任何字符（不仅仅是字母和数字），但是第4个字段是一个很长的数字。请问我该怎么做呢？非常感谢。

补充说明：这个文件里还有其他的HTML元素，所以我不能直接用Python的列表来解析它。

Answer 1

我打算把 re（正则表达式）、try/except（异常处理）、ast.literal_eval 和文件结合起来，来读取所有可能的元素。同时，为了避免在多行中出现 [ ] 这种情况，所以用 readline 方法不太合适。

这是我的解决方案：

import re
import ast

# grab all possible lists in the file
found = re.findall(r'\[.*\]', open('yourfile.txt' ,'r').read())

for each in found:
    try:
        for el in ast.literal_eval(each):
            print el
    except SyntaxError:
        pass


kiarix moreno
116224357500406255237
z120gbkosz2oc3ckv23bc10hhwrudlcjy04
1409770337
com.youtube.www/watch?v\u003dp1JPKLa-Ofc:https
es

Answer 2

你可以这样做：
1) 打开文件。
2) 使用 getline 来逐行读取内容。
3) 使用 split() 函数把每行用“,”分开，然后根据得到的结果（元组或列表）随意处理。

Answer 3

"([^"]*")|(\d+)

你可以试试这个。抓取匹配的内容。看看演示。

http://regex101.com/r/dK1xR4/5

Answer 4

下面提供了三种获取数据的不同方法：

>>> TEXT = '["kiarix moreno","116224357500406255237","z120gbkosz2oc3ckv23bc10hhwrudlcjy04",1409770337,"com.youtube.www/watch?v\u003dp1JPKLa-Ofc:https","es"]'
>>> import json, ast, re
>>> json.loads(TEXT)
['kiarix moreno', '116224357500406255237', 'z120gbkosz2oc3ckv23bc10hhwrudlcjy04', 1409770337, 'com.youtube.www/watch?v=p1JPKLa-Ofc:https', 'es']
>>> ast.literal_eval(TEXT)
['kiarix moreno', '116224357500406255237', 'z120gbkosz2oc3ckv23bc10hhwrudlcjy04', 1409770337, 'com.youtube.www/watch?v=p1JPKLa-Ofc:https', 'es']
>>> re.search(r'\["(?P<name>[^"]*)","(?P<number1>[^"]*)","(?P<data>[^"]*)",(?P<number2>\d*),"(?P<website>[^"]*)","(?P<language>[^"]*)"\]', TEXT).groupdict()
{'website': 'com.youtube.www/watch?v=p1JPKLa-Ofc:https', 'number2': '1409770337', 'language': 'es', 'data': 'z120gbkosz2oc3ckv23bc10hhwrudlcjy04', 'number1': '116224357500406255237', 'name': 'kiarix moreno'}
>>> 

特别是，你的正则表达式应该是这样的：r'\["(?P<name>[^"]*)","(?P<number1>[^"]*)","(?P<data>[^"]*)",(?P<number2>\d*),"(?P<website>[^"]*)","(?P<language>[^"]*)"\]'