我想在下面的数据中使用Python 3.5匹配每行开始“2个电容”,“1个运算放大器”等的文本:
#Sat Dec 16 09:10:37 2017
#
#2 capacitors:
# 0 c1 10 uF GND n1
# 1 c2 47 pF nm nout
#1 op-amp:
# 0 o1 lt1124 '+'=nin '-'=nm 'out'=nout a0=15M gbw=14.6 MHz
# un=2.7 nV/sqrt(Hz) uc=2.3 Hz in=300 fA/sqrt(Hz) ic=100 Hz
# umax=12 V imax=20 mA sr=4.5 V/us delay=18.9 ns
# pole at 200 kHz (real) pole at 200 kHz (real) zero at 800 kHz (real) zero at 800 kHz (real) zero at 9.4 MHz (real)
#2 resistors:
# 0 r1 430 Ohm n1 nm
# 1 r2 43 kOhm nm nout
#4 nodes:
# 0 n1
# 1 nm
# 2 nout
# 3 nin
#Logarithmic frequency scale from 1 Hz to 100 kHz in 100 steps.
我想提取:
比赛1:(2, capacitors, # 0 c1 10 uF GND n1# 1 c2 47 pF nm nout)
比赛2:(1, op-amp, # 0 o1 lt1124 '+'=nin '-'=nm 'out'=nout a0=15M gbw=14.6 MHz# un=2.7 nV/sqrt(Hz) uc=2.3 Hz in=300 fA/sqrt(Hz) ic=100 Hz.......)
比赛3:(2, resistors, # 0 r1 430 Ohm n1 nm# 1 r2 43 kOhm nm nout)
比赛4:(4, nodes, # 0 n1# 1 nm# 2 nout# 3 nin)
第三组是否保留换行符对我来说并不重要。目前,我通过搜索第一个匹配和第一个不是空格的行之间的文本进行匹配:
^\#(\d+) (op\-amps|op\-amp|capacitors|capacitor|resistors|resistor|nodes|node):$([\d\D]*?)^#\S
(必须启用MULTILINE
标志.[\d\D]
技巧是匹配所有字符,包括不同平台上的换行符。)
问题是1 op-amp
和4 nodes
段不匹配,因为它们构成了前一个匹配的一部分:例如,#1 op-amp
线。我怎样才能获得所有可能的匹配?
优化的解决方案:
import re
with open('yourfile.txt') as f:
pat = r'^#(\d+) (op-amps?|capacitors?|resistors?|nodes?):([\s\S]+?)(?=\n#\S+ )'
result = re.findall(pat, f.read(), re.M)
for m in result:
print(m)
输出:
('2', 'capacitors', '\n# 0 c1 10 uF GND n1 \n# 1 c2 47 pF nm nout ')
('1', 'op-amp', "\n# 0 o1 lt1124 '+'=nin '-'=nm 'out'=nout a0=15M gbw=14.6 MHz \n# un=2.7 nV/sqrt(Hz) uc=2.3 Hz in=300 fA/sqrt(Hz) ic=100 Hz \n# umax=12 V imax=20 mA sr=4.5 V/us delay=18.9 ns \n# pole at 200 kHz (real) pole at 200 kHz (real) zero at 800 kHz (real) zero at 800 kHz (real) zero at 9.4 MHz (real) ")
('2', 'resistors', '\n# 0 r1 430 Ohm n1 nm\n# 1 r2 43 kOhm nm nout')
('4', 'nodes', '\n# 0 n1\n# 1 nm\n# 2 nout\n# 3 nin')
细节:
<word>s?
-匹配s
的零或一个<word>
结束字符[\s\S]+?
- 在一次和无限次之间匹配任何字符序列[\s\S]
,尽可能少,根据需要扩展(懒惰)(?=\n#\S+ )
- lookahead positive assertion,确保所需的匹配序列后跟\n#\S+
(以#
开头的单独行和非空白字符序列\S+
)