Python 中十六进制字符串的正则表达式不起作用

问题描述 投票:0回答:5

我有一个正则表达式来匹配字符串,例如:

--D2CBA65440D

--77094A27E09

--77094A27E

--770

--77094A27E09--

基本上,它匹配由一个或多个换行符或空格包围的十六进制字符串,并具有前缀 - 并且可能有也可能没有 - 作为后缀

我使用以下Python代码,大多数时候它工作正常:

hexaPattern = "\s--[0-9a-fA-F]+[--]?\s"
hex = re.search(hexaPattern, part)
if hex:
   print "found a match"

这适用于以上所有内容,但与此块中的 --77094A27E09 不匹配:

<div id="arrow2" class="headerLinksImg" style="display:block

--77094A27E09

;">

但匹配相同的字符串:

<input type="checkbox" name="checkbox" id="checkboxKG3" class

--77094A27E09

Content-T="checkboxKG" value="KG3" />

我做错了什么?

python regex hex
5个回答
12
投票
import re
hexaPattern = re.compile(r'\s--([0-9a-fA-F]+)(?:--)?\s')
m = re.search(hexaPattern, part)
if m:
   print "found a match:", m.group(1)

这会预编译模式以提高速度。 这使用了

r''
(原始字符串),因此反斜杠一定会正确传递。 这会添加括号来创建“匹配组”,以便您可以在匹配后提取十六进制字符串;它还在第二个
--
字符串周围添加了一个“非匹配组”。

因为您在第二个“--”周围使用了方括号,所以您得到了“字符类”。 我不确定字符类

[--]
到底匹配什么;我认为它应该匹配任何
'-'
字符。 在字符类中,“-”通常用于范围,如
[a-z]
所示,但范围
[--]
没有任何意义,所以我认为它会回退到仅匹配
'-'
。 问题是:因为后面有
?
,所以它只能匹配零个或一个
'-'
字符,而你需要它能够匹配两个。


4
投票

试试这个:

hexaPattern = r"^--[0-9a-fA-F]+(--)?\s"

我插入的修复是:

r 在开头,这样反斜杠就不会被引号“吃掉”

^ 位于开头以匹配字符串的开头

然后

--
放在括号中而不是方括号中(括号看起来像是一个错误)


0
投票

其他人指出了你的正则表达式的问题,即

[--]
基本上以一种非常规的方式找到一个连字符......无论如何,都不是你想要的。

我还建议在正则表达式的开头和结尾都有

\s
也会在某些情况下引起问题,因为它匹配
spaces
tabs
newlines
。因此,您最终可能会遇到这样的情况:您的文件有
--77094A27E09\n--D2CBA65440D
,而第二个
--D2CBA65440D
将不匹配,因为换行符在上一场比赛结束时被
\s
消耗。

此外,您似乎正在单独检查文件中的每一行,但您实际上并不需要这样做。您可以使用

re.findall
一次性获得所有匹配项。

最后,字符串开头的

--
似乎是您真正的标记,而不是开头或结尾的
\s
。那么为什么不直接将
--([0-9a-fA-F]+)(?:--)?
与十六进制数字周围的组一起使用呢?
findall
仅返回您想要的组。然后你可以这样做(将整个 html 文件读入一个字符串,并检查所有匹配项):

text = """
<input type="checkbox" name="checkbox" id="checkboxKG3" class
--D2CBA65440D
<a>    --77094A27E09--  </a>
  hello world  --77094A27E
--770--
    --77094A27E09
Content-T="checkboxKG" value="KG3" />
"""
import re
hexapattern = r'--([0-9a-fA-F]+)(?:--)?'
print re.findall(hexapattern, text)
>>> ['D2CBA65440D', '77094A27E09', '77094A27E', '770', '77094A27E09']

我想这就是你想要的


0
投票

[988f21e7-df59-4669-b950-bd26ccefbba5]这是线程ID的一种类型 [gAo4cUGr] 这是另一个。

你能在Python中编写正则表达式来提取log.txt文件吗


-2
投票

我使用了以下内容:

pattern = re.compile(r'(\n--)([0-9A-F]+)(--)?', re.I | re.S | re.M)

效果很好。感谢您的所有贡献。

© www.soinside.com 2019 - 2024. All rights reserved.