DjangoBB LoFi version

Полная версия: Опять регулярные выражения

Начало » Python для новичков » Опять регулярные выражения

roggerg

Окт. 12, 2017 06:21:14

После парсинга сайта у меня получился список строк такого вида

 '5X\xa0\xa0\n\n\xa0\n\n\n\n\n\n3/31/2007\n2\n5\n16\n36\n40\n\xa0\n36\n\xa0\n\n\n\xa0\r\n'

Мне нужно забрать только дату и шесть чисел т.е.

 ['3/31/2007', '2', '5', '16', '36', '40', '36']

для даты у меня есть регулярка вида

 r = r"\d{1,2}\/\d{1,2}\/\d{4}"

Числа могут быть в диапозоне от 0 до 99, пять чисел идет сразу после даты а перед последним числом (здесь это 36) идет выражение \n\xa0\n, которое надо пропустить
Я думал использовать (.) т.к. это вроде любой символ кроме переноса строки (\n), но у меня что-то не получается. Или думал после даты использовать (\d{1,2}), но тоже захвата не получилось. Можно сделать
через (\d+) и дальше обработать результат, но это как-то не красиво.
Вообщем прошу помощи в составлении регулярки.

roggerg

Окт. 12, 2017 08:46:41

Составил в итоге такое выражение

  r = r'(\d{1,2}\/\d{1,2}\/\d{4})\n(\d{1,2})\n(\d{1,2})\n(\d{1,2})\n(\d{1,2})\n(\d{1,2})\n\xa0\n(\d{1,2})'

на выходе получился список с кортежем

 [('3/31/2007', '2', '5', '16', '36', '40', '36')]

В принципе уже лучше, но хотелось бы получить список строк.

Romissevd

Окт. 12, 2017 23:58:38

 st = "5X\xa0\xa0\n\n\xa0\n\n\n\n\n\n3/31/2007\n2\n5\n16\n36\n40\n\xa0\n36\n\xa0\n\n\n\xa0\r\n"
print(re.findall(r'(?<=\n)(\d{1,2})+?(?!\/)', st))

roggerg

Окт. 14, 2017 06:14:34

Romissevd

Спасибо, только как теперь это все совместить чтобы дата тоже захватывалась и на выходе получалось бы

  ['3/31/2007', '2', '5', '16', '36', '40', '36']

marvellik

Окт. 14, 2017 08:46:21

а регулярка обязательна?

 >>> n =  '5X\xa0\xa0\n\n\xa0\n\n\n\n\n\n3/31/2007\n2\n5\n16\n36\n40\n\xa0\n36\n\xa0\n\n\n\xa0\r\n'
>>> print(n.split()[1::])
['3/31/2007', '2', '5', '16', '36', '40', '36']

Romissevd

Окт. 14, 2017 10:01:05

roggerg
Спасибо, только как теперь это все совместить чтобы дата тоже захватывалась и на выходе получалось бы

 print(re.findall(r'(?<=\n)(\d{1,2}\/\d{1,2}\/\d{4}|\d{1,2})+?(?!\/)', st))

marvellik предложил Вам более лаконичное решение, если Вам не обязательна регулярка

roggerg

Окт. 16, 2017 08:28:03

marvellik

Спасибо, отличное решение