Python查找匹配特定格式的格式

Question

我有一个CSV文件，里面有一堆数据。

我正在用循环把这些数据变成字段……我需要一段代码，去查找那些不符合这种格式的字段，格式是"[A9]9AA9#9"。这里面"A"可以是任何字母，"9"可以是任何数字。不过，方括号[ ]和#符号必须在和这个格式一样的位置。

def code():
    match= 0
    tree_file.readline() # skip first row
    for row in tree_file: 
        field=row.strip()
        field=field.split(",") # make Into fields
        code=(field[4])        
        if code != "[X9]9XX9#9":   #HERE SHOULD BE THE CODE
            match+=1        

请在代码里加一些注释，这样我才能理解，因为我看不懂其他解决方案和我的问题有什么关系。

相关问题：

• 如何在CSV文件中使用正则表达式更改数据列的位置？
• 需要根据某些条件从文本文件中删除换行符
• 在MySQL中导入和处理文本文件
• 如何去除我从网站抓取的数据中的"^M"？
• 允许中间有连字符的[a-zA-Z0-9\-]正则表达式，但不能位于开头或结尾
• 匹配数据库输出（平衡括号、表格和行结构）并输出为列表？
• 在Python中进行正则替换
• 使用自定义函数与apply从单列创建多列

Answer 1

reg = re.compile(r'\[[A-Z][0-9]\][0-9][A-Z]{2}[0-9]#[0-9]') 这个代码对我来说很好用...

- 符号用来表示一个范围，而 [] 这个符号需要加上转义符，因为根据定义，[] 是用来匹配一组字符的。如果你需要一个不受地区影响的解决方案，你也可以使用 Unicode 字符类来实现这个功能。

Answer 2

你可以试试下面这个正则表达式。它会接受小写和大写字母（[a-zA-Z]）以及相应位置的数字（\d）。我们首先编译这个pattern，也就是我们想要匹配的正则表达式（想了解更多的正则表达式知识，可以查看这里）。接着，你可以用re.match来尝试将输入的字符串与这个模式进行“匹配”。如果匹配成功，group()方法会返回匹配到的内容。如果不匹配，re.match()会返回None（你可以比我下面的处理方式更好地处理这个情况 :)）：

In [11]: import re

In [12]: pattern = re.compile(r'\[[a-zA-z]\d\]\d[a-zA-Z]{2}\d#\d')

In [13]: re.match(pattern, '[X9]9XX9#9').group()
Out[13]: '[X9]9XX9#9'

In [14]: re.match(pattern, '[Z7]3JK2#1').group()
Out[14]: '[Z7]3JK2#1'

In [15]: re.match(pattern, '[ZZ]3JK2#1').group()
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-15-48efdbbda230> in <module>()
----> 1 re.match(pattern, '[ZZ]3JK2#1').group()

AttributeError: 'NoneType' object has no attribute 'group'

处理不匹配的情况有一种方法，就是把结果赋值给一个变量，然后根据这个变量是否有内容来进行后续处理：

In [16]: match = re.match(pattern, '[ZZ]3JK2#1')

In [17]: if match:
   ...:     print match.group()
   ...:     

In [5]: 

Answer 3

你需要的正则表达式是：

r'\[[A-Za-z][0-9]+\][0-9]+[A-Za-z]{2}[0-9]+#[0-9]+'

所以代码可以写成这样：

import re

if re.search(r'\[[A-Za-z][0-9]+\][0-9]+[A-Za-z]{2}[0-9]+#[0-9]+', code) is None:
    match += 1  

解释

[A-Za-z] : matches any alphabet
[0-9]+ : matches one or more digits
[A-Za-z]{2} : matches two alphabets

输出

>>> import re
>>> s = "[X9]9XX9#9"
>>> re.search(r'\[[A-Za-z][0-9]+\][0-9]+[A-Za-z]{2}[0-9]+#[0-9]+', s) is None
False
>>> s = "ABCD"
>>> re.search(r'\[[A-Za-z][0-9]+\][0-9]+[A-Za-z]{2}[0-9]+#[0-9]+', s) is None
True
>>> s = "[A123]456BB8#789"
>>> re.search(r'\[[A-Za-z][0-9]+\][0-9]+[A-Za-z]{2}[0-9]+#[0-9]+', s) is None
False
>>>