使用OR运算符的Python正则表达式[重复]

Question

我试图用正则表达式(RE)解析一个大样本的文本文件。我正在尝试从这些文件中提取包含< i>'vu'并以换行符结束的文本部分。

模式因文件而异，因此我尝试使用 OR 运算符在文件中查找 RE 的组合。但是，我没有找到一种方法来自动化我的代码，以便 re.findall（） 函数查找 RE 的组合。

下面是我试图解决这个问题的一个例子，但显然我仍然无法计算re.findall（）中的正则表达式和OR运算符：

import re

def series2string(myserie) :
    myserie2 = ' or '.join(serie for serie in myserie)
    return myserie2

def expression(pattern, mystring) : 
    x = re.findall(pattern, mystring)
    if len(x)>0:
        return 1
    else:
        return 0

#text example
text = "\n\n    (troisième chambre)\n    i - vu la requête, enregistrée le 28 février 1997 sous le n° 97nc00465, présentée pour m. z... farinez, demeurant ... à dommartin-aux-bois (vosges), par me y..., avocat ;\n"

#expressions to look out
pattern1 = '^\s*vu.*\n'
pattern2 = '^\s*\(\w*\s*\w*\)\s*.*?vu.*\n'

pattern = [pattern1, pattern2]
pattern = series2string(pattern)

expression(pattern, text)

注意：我通过在 for 循环中查找每个模式来规避这个问题，但如果我可以只使用 re.findall（） 一次，我的代码会运行得更快。

Answer 1

谢谢你的建议。我的正则表达式在我的第一篇文章中有点笨拙（我改变了它们，希望问题能更容易理解）。我设法捕获了OR运算符'|'，感谢're.compile'，代码工作正常！

import re

def series2string(myserie) :
    myserie2 = '|'.join(serie for serie in myserie)
    return myserie2

def expression(pattern, mystring) : 
    x = re.findall(pattern, mystring)
    if len(x)>0:
        return 1
    else:
        return 0

#text example
text = "\n\n    (troisième chambre)\n    i - vu la requête, enregistrée le 28 février 1997 sous le n° 97nc00465, présentée pour m. z... farinez, demeurant ... à dommartin-aux-bois (vosges), par me y..., avocat ;\n"

#expressions to look out
pattern1 = r'^\s*vu.*\n'
pattern2 = r'^\s*\(\w*\s*\w*\)\s*.*?vu.*\n'

pattern = [pattern1, pattern2]
pattern = series2string(pattern)

expression(re.compile(pattern), text)

Answer 2

Python正则表达式使用|运算符进行交替。

def series2string(myserie) :
    myserie2 = '|'.join(serie for serie in myserie)
    myserie2 = '(' + myserie2 + ')'
    return myserie2

更多信息:https://docs.python.org/3/library/re.html

个别模式看起来非常混乱，所以我不知道什么是错误，什么是故意的。我猜你是在几个不同的上下文中寻找“vu”这个词。

>

始终将 Python 原始字符串用于正则表达式，前缀为 r （r'pattern here'）。它允许您在模式中使用 \，而无需 python 尝试将其解释为字符串转义。它直接传递给正则表达式引擎。（参考资料）

使用 \s 匹配空格（空格和换行符）。

由于您已经有几种替代模式，因此不要将 （ 和 ） 设为可选。它可能导致灾难性的回溯，这会使匹配大字符串非常慢。
\（？ → \（
\）？ → \）

{1}什么都不做。它只是重复上一个子模式一次，这与不指定任何内容相同。

\br 无效。它被解释为\b（ASCII钟形字符）字母r。

文本字符串的开头有一个引号 （'）。要么您打算 ^ 匹配任何行的开头，要么 ' 是复制/粘贴错误。

组合模式时的一些错误：

pattern = [pattern1, pattern2, pattern3, pattern4]
pattern = series2string(pattern)

expression(re.compile(pattern), text)