使用OR操作的Python正则表达式

Question

我试图用正则表达式（RegularExpressions，RE）解析大量文本文件。我试图从这些文件中提取包含'vu'并以换行符'\n'结尾的部分文本。在

模式因文件而异，因此我尝试使用或运算符在文件中查找RE的组合。但是，我没有找到自动化代码的方法，因此关于芬德尔（）函数查找RE的组合。在

下面是一个例子，说明我如何解决这个问题，但显然我仍然无法同时计算正则表达式和中的OR运算符关于芬德尔（）：

import re

def series2string(myserie) :
    myserie2 = ' or '.join(serie for serie in myserie)
    return myserie2

def expression(pattern, mystring) : 
    x = re.findall(pattern, mystring)
    if len(x)>0:
        return 1
    else:
        return 0

#text example
text = "\n\n    (troisième chambre)\n    i - vu la requête, enregistrée le 28 février 1997 sous le n° 97nc00465, présentée pour m. z... farinez, demeurant ... à dommartin-aux-bois (vosges), par me y..., avocat ;\n"

#expressions to look out
pattern1 = '^\s*vu.*\n'
pattern2 = '^\s*\(\w*\s*\w*\)\s*.*?vu.*\n'

pattern = [pattern1, pattern2]
pattern = series2string(pattern)

expression(pattern, text)

注意：我通过在for循环中查找每个模式来避免这个问题，但是如果我可以使用关于芬德尔（）一次。在

Answer 1

谢谢你的建议。在我的第一篇文章中，我的正则表达式有点笨拙（我改变了它们，希望问题更容易理解）。由于“re.compile”，我成功地捕获了或运算符“|”，代码运行良好！在

import re

def series2string(myserie) :
    myserie2 = '|'.join(serie for serie in myserie)
    return myserie2

def expression(pattern, mystring) : 
    x = re.findall(pattern, mystring)
    if len(x)>0:
        return 1
    else:
        return 0

#text example
text = "\n\n    (troisième chambre)\n    i - vu la requête, enregistrée le 28 février 1997 sous le n° 97nc00465, présentée pour m. z... farinez, demeurant ... à dommartin-aux-bois (vosges), par me y..., avocat ;\n"

#expressions to look out
pattern1 = r'^\s*vu.*\n'
pattern2 = r'^\s*\(\w*\s*\w*\)\s*.*?vu.*\n'

pattern = [pattern1, pattern2]
pattern = series2string(pattern)

expression(re.compile(pattern), text)

Answer 2

Python正则表达式使用|运算符进行交替。在

def series2string(myserie) :
    myserie2 = '|'.join(serie for serie in myserie)
    myserie2 = '(' + myserie2 + ')'
    return myserie2

更多信息：https://docs.python.org/3/library/re.html

---

个别的模式看起来很混乱，所以我不知道什么是错误，什么是故意的。我猜你是在几个不同的上下文中寻找“vu”这个词。在

1. 对于正则表达式，始终使用Python原始字符串，前缀为r（r'pattern here'）。它允许您在模式中使用\，而无需python尝试将其解释为字符串转义。它直接传递给regex引擎。(ref)
2. 使用\s匹配空白（空格和换行符）。在
3. 因为您已经有了几种可选模式，所以不要将(和{}设为可选。它会导致灾难性的回溯，这会使匹配大字符串的速度非常慢。
   \(?→{}
   \)?→{}
4. {1}什么都不做。它只重复上一个子模式一次，这与不指定任何内容相同。在
5. \br无效。它被解释为\b（ASCII贝尔字符）+字母r。在
6. 文本字符串的开头有一个引号（'）。或者您希望^匹配任何行的开头，或者'是一个复制/粘贴错误。在

7. 组合图案时的一些错误：

   pattern = [pattern1, pattern2, pattern3, pattern4]
   pattern = series2string(pattern)
   
   expression(re.compile(pattern), text)