我正在尝试使用检索其中不正确的数据(与给定模式不匹配)将被发送到一个列表(错误),而正确的数据(与模式匹配)将被发送到另一个列表(干净)
这是CSV文件中数据的外观
UES9151GS5 DEN PEK
UES915*GS5 JFK FCO
WYu2010YH8 ORD CAN
HCA3158QA6 ORD ~AN
HCA3158QA6 KUL A;S
HCA3158QA6 0 LHR
HCA3158QA6 A;S ORD
HCA3158QA6 ~AN PVG
这是我的密码
import csv
import re
clean = []
error = []
pid_pattern = '[A-Z]{3}[0-9]{4}[A-Z]{2}[0-9]'
dept_pattern = '[A-Z]{3}'
arr_pattern = '[A-Z]{3}'
with open(r"test.csv") as csvfile:
reader = csvfile
for i in reader:
pid = re.search(pid_pattern,i)
dept = re.search(dept_pattern,i)
arr = re.search(arr_pattern,i)
if pid !=None and dept != None and arr != None:
clean.append(i)
elif pid == None:
error.append(i)
elif dept == None:
error.append(i)
elif arr == None:
error.append(i)
所以,在我运行代码之后
clean
['UES9151GS5,DEN,PEK\n',
'HCA3158QA6,ORD,~AN\n',
'HCA3158QA6,A;S,A;S,\n',
'HCA3158QA6,0,LHR\n',
'HCA3158QA6,A;S,ORD\n',
'HCA3158QA6,~AN,PVG\n']
error
['UES915*GS5,JFK,FCO\n',
'WYu2010YH8,ORD,CAN\n']
显然,代码只检查第一列(pid),而忽略其余的。预期结果如下:
clean
['UES9151GS5,DEN,PEK\n']
error
['HCA3158QA6,ORD,~AN\n',
'HCA3158QA6,A;S,A;S,\n',
'HCA3158QA6,0,LHR\n',
'HCA3158QA6,A;S,ORD\n',
'HCA3158QA6,~AN,PVG\n',
'UES915*GS5,JFK,FCO\n',
'WYu2010YH8,ORD,CAN\n']
到目前为止,我无法找到错误或找到任何替代解决方案。谢谢你的帮助,我很感激。你知道吗
问题是正则表达式总是在找到第一个匹配时触发。由于csv读取器返回的行的格式类似于“PID,DEPT,ARR”,这意味着如果PID中有格式[A-Z]{3},它将找到一个匹配项。为了防止出现这种情况,可以将列分开并搜索与列对应的每个部分上的正则表达式(我不知道如何做),或者更改正则表达式。你知道吗
或者您可以将整个regex表达式组合成一个
[A-Z]{3}[0-9]{4}[A-Z]{2}[0-9],[A-Z]{3},[A-Z]{3}
用于使用匹配和组捕获的regex
([A-Z]{3}[0-9]{4}[A-Z]{2}[0-9]),([A-Z]{3}),([A-Z]{3})
相关问题 更多 >
编程相关推荐