1

我在 python 中接收到类似于这种格式的数据

garbage
=== Season 1 ===
season 1 data
more season 1 data
=== Season 2 ===
season 2 data

使用换行符，但未定义“=== Season x ===”之间的数据（如果您知道，它来自维基百科的 API）。

无论如何，我正在尝试使用正则表达式将其分解，但似乎无法正确处理。我试试

p = re.compile('(===\sSeason.*)'
print p.split(data)

并得到

['garbarge\n', '=== Season 1 ===', '\nseason 1 data\nmore season 1 data\n\n', '=== Season 2 ===', '\nseason 2 data\n']

但我正在寻找的是：

['garbarge\n', '=== Season 1 ===\nseason 1 data\nmore season 1 data\n\n', '=== Season 2 ===\nseason 2 data\n']

每个模式包括文本，直到下一个模式，换行符和所有。我尝试过 re.MULTILINE、re.DOTALL 的组合，但我似乎无法做到正确。有什么帮助吗？

4

2 回答 2

2

不知道为什么这不完全有效，但这似乎对我有用：

>>> data = """
garbage
=== Season 1 ===
season 1 data
more season 1 data
=== Season 2 ===
season 2 data
"""
>>> re.split('^===\sSeason\s\d+\s===$',data,0,re.MULTILINE)
['\ngarbage\n', '\nseason 1 data\nmore season 1 data\n', '\nseason 2 data\n']

哦..这不是你想要的吗？但是split去掉你正在分裂的东西；如果您想保留它，那么您没有使用正确的工具来完成这项工作。

这是另一个更复杂的解决方案，它过滤掉“垃圾”，但保留季节信息：

>>> re.findall('=== Season \d+ ===.*?(?=^===|\Z)',data,re.DOTALL|re.MULTILINE)
['=== Season 1 ===\nseason 1 data\nmore season 1 data\n', '=== Season 2 ===\nseason 2 data\n']
于 2012-12-14T02:47:45.790 回答
2

一种直接的方法是逐行浏览内容：

season = ''
for line in data.splitlines():
    if line.startswith('=== Season'):
        season = line
    elif season:
        do something
于 2012-12-14T02:53:14.457 回答