被正则表达式难住了

Question

我在一个文件中有这样的行：

l_12_interval         j_10_int
Length:100         Min.   :-2120803808
Class :character   1st Qu.: -992076064
Mode  :character   Median :  263935522
                   Mean   :  -33801580
                   3rd Qu.:  896644601
                   Max.   : 1890084945
                   NA's   :53

我想解析出我称之为最后一个“主要列”的内容：

   j_10_int
Min.   :-2120803808
1st Qu.: -992076064
Median :  263935522
Mean   :  -33801580
3rd Qu.:  896644601
Max.   : 1890084945
NA's   :53

列将对齐，但我不能确定最后一个主要列将从何处开始。标题不是问题，我正在尝试为Python的re.sub()函数编写一个正则表达式，以除去标签前面的所有内容。我想我可以把标签和冒号作为子表达式包含在正则表达式中，然后用子表达式替换匹配的表达式。说起来容易做起来难！这是我得到的最接近的结果：

>>> line
'       Length:100         Min.   :-2120803808'
>>> re.sub(r"^.*([a-z1-9][a-z1-9.' ]*:)", r"\1", line, re.IGNORECASE)
'n.   :-2120803808'
>>>

我想我可以在子表达式开始前立即抛出一个空格，但这不起作用：

>>> re.sub(r"^.*\s([a-z1-9][a-z1-9.' ]*:)", r"\1", line, re.IGNORECASE)
'       Length:100         Min.   :-2120803808'
>>> re.sub(r"^.* ([a-z1-9][a-z1-9.' ]*:)", r"\1", line, re.IGNORECASE)
'       Length:100         Min.   :-2120803808'
>>> re.sub(r"^.*( [a-z1-9][a-z1-9.' ]*:)", r"\1", line, re.IGNORECASE)
'       Length:100         Min.   :-2120803808'
>>> re.sub(r"^.*(\w[a-z1-9][a-z1-9.' ]*:)", r"\1", line, re.IGNORECASE)
'in.   :-2120803808'

如你所见，我甚至试着在子表达式中拉空格。。。这是可以接受的。但我还没有完全解决问题。你知道吗

有人有什么建议吗？你知道吗

Answer 1

如果您不必使用正则表达式并且列具有固定宽度，那么下面的示例也适用于您。你知道吗

with open("data", "rb") as f:
    for line in f:
        print(line.strip("\n")[19:])

这将输出：

   j_10_int
Min.   :-2120803808
1st Qu.: -992076064
Median :  263935522
Mean   :  -33801580
3rd Qu.:  896644601
Max.   : 1890084945
NA's   :53

Answer 2

Ide不编写python正则表达式。你知道吗

因此，如果这是一个一次性的工作，那么我有一个PerlOneLiner给你。你知道吗

perl -pe 's/^\w++\s++(\w++)/\t$1/||s/.*?\s*+:\s*+\w++\s++(.*)/$1/||s/\s++(.*)/$1/' FILE.txt > NEWFILE.txt

在从文件FILE.txt到文件NEWFILE.txt中生成所需输出的

我希望这是有用的。你知道吗

诀窍是在:之前寻找垃圾，然后是可能的空格和一组单词字符，然后是一些空格。在那之后的一切都是你要找的。你知道吗

我还处理了其他情况，如第一行和剥离一些行的前导空格。你知道吗

Answer 3

这一点基于许多关于名称格式和第一列值格式的假设，但它适用于您的示例：

^(?:[A-Z][a-z]+\s*:[a-z0-9]*|)\s*([A-Z0-9].*)$

根据您对不同名称和值的格式的确切了解，可能需要做更多的工作。你知道吗

演示： http://regex101.com/r/oP3pT2