有关正则表达式的问题

pysunred

友友好，
      我想用正则表达式匹配字符串，开成一个列表。
匹配以\d+、开头，以：[ABCD] 结尾，中间没要求。
现在我开头，结尾写好了，中间不用匹配，
要用什么方式表达呢？
谢谢友友！！！


re.findall("\d+、：[ABCD]", data_all)

isdkz

你好！

根据你的需求，你可以使用以下正则表达式来匹配字符串：

\d+、.*：[ABCD]

其中 `.*` 用于匹配任意数量的任意字符（中间没有要求）。你可以在 `re.findall()` 函数中使用这个正则表达式：

import re

data_all = "你的字符串"
result = re.findall("\d+、.*：[ABCD]", data_all)
print(result)

这将返回一个列表，其中包含所有匹配的字符串。希望这可以帮到你！

pysunred

isdkz 发表于 2023-4-23 10:24
你好！

根据你的需求，你可以使用以下正则表达式来匹配字符串：

刚试了下，不行呢，
匹配的是空的
我单匹配开头，可以
单匹配结尾，也可以
合在一起就不行，

isdkz

pysunred 发表于 2023-4-23 10:29
刚试了下，不行呢，
匹配的是空的
我单匹配开头，可以

你原来的字符是什么？可以脱敏给要匹配的那部分给我看看

pysunred

1、（ ）的征缴按照《社会保险费征缴暂行条例》关于基本养老保险
费、基本医疗保险费、失业保险费的征缴规定执行。
A.工伤保险费
B.意外保险费
C.医疗保险费
D.人身保险费
答案：A
2、（ ）对建筑工程安全防护、文明施工措施费用的使用负总责。
A.分包单位
B.转包单位
C.发包单位
D.工程总承包单位
答案：D

pysunred

isdkz 发表于 2023-4-23 10:31
你原来的字符是什么？可以脱敏给要匹配的那部分给我看看

就是单选题目
1、（ ）的征缴按照《社会保险费征缴暂行条例》关于基本养老保险
费、基本医疗保险费、失业保险费的征缴规定执行。
A.工伤保险费
B.意外保险费
C.医疗保险费
D.人身保险费
答案：A
2、（ ）对建筑工程安全防护、文明施工措施费用的使用负总责。
A.分包单位
B.转包单位
C.发包单位
D.工程总承包单位
答案：D

isdkz

pysunred 发表于 2023-4-23 10:32
就是单选题目
1、（ ）的征缴按照《社会保险费征缴暂行条例》关于基本养老保险
费、基本医疗保险费、失 ...

所以你是要匹配出一道一道的题目，不要答案？

isdkz

pysunred 发表于 2023-4-23 10:32
就是单选题目
1、（ ）的征缴按照《社会保险费征缴暂行条例》关于基本养老保险
费、基本医疗保险费、失 ...

你可以使用正向查找断言 `(?=...)` 来匹配每一道题目。这里是一个简化的正则表达式：

\d+、.*(?:\n[A-D]\..*){4}(?=\n答案)

这个正则表达式使用了正向查找断言 `(?=\n答案)`，它表示匹配的内容后面应该跟着“答案”。`(?:\n[A-D]\..*){4}` 表示匹配换行符后跟一个大写字母 A-D，紧接着一个点和任意字符，重复 4 次。

你可以在 `re.findall()` 函数中使用这个正则表达式：

import re

data_all = '''
1、（ ）的征缴按照《社会保险费征缴暂行条例》关于基本养老保险费、基本医疗保险费、失业保险费的征缴规定执行。
A.工伤保险费
B.意外保险费
C.医疗保险费
D.人身保险费
答案：A
2、（ ）对建筑工程安全防护、文明施工措施费用的使用负总责。
A.分包单位
B.转包单位
C.发包单位
D.工程总承包单位
答案：D
'''

result = re.findall("\d+、.*(?:\n[A-D]\..*){4}(?=\n答案)", data_all)
print(result)

这将返回一个列表，其中包含所有匹配的题目及选项，而不包括答案。希望这次能满足你的需求！

pysunred

isdkz 发表于 2023-4-23 10:44
你可以使用正向查找断言 `(?=...)` 来匹配每一道题目。这里是一个简化的正则表达式：

我的本意是匹配到题目和答案为一个元素，
不过我刚试了下这个表达式，
匹配的题目，会漏题，2，8，11，19，25 这样下去，只匹配了36道题目。

pysunred

pysunred 发表于 2023-4-23 11:09
我的本意是匹配到题目和答案为一个元素，
不过我刚试了下这个表达式，
匹配的题目，会漏题，2，8，11， ...

因为有些题目是不可能换行不规则，
我要的本意，就是中间不管是啥，
只要匹配前后就可以，
先把题目和答案变成一个元素，
再对元素进行查找，就可以把题目，选项，答案分开

不过，我现在有一个想法，就是先拿到题号的下标，再拿到答案的下标，然后获取2个下标之间的数据，就可以实现题目和答案变成一个元素。
然后再针对这个元素进行查找了分割。

isdkz

pysunred 发表于 2023-4-23 11:09
我的本意是匹配到题目和答案为一个元素，
不过我刚试了下这个表达式，
匹配的题目，会漏题，2，8，11， ...

这个是后面有答案的才会匹配到

isdkz

pysunred 发表于 2023-4-23 11:14
因为有些题目是不可能换行不规则，
我要的本意，就是中间不管是啥，
只要匹配前后就可以，

所以你是要分别取出题目、每一个选项和答案？

pysunred

isdkz 发表于 2023-4-23 11:20
所以你是要分别取出题目、每一个选项和答案？

我现在用另外一种方法，把所有答案都放在一个列表中，
但是因为答案都是ABCD,会重复
现在面临的问题是，通过过循环进行定位下标的时候，
因为重复，循环又从头开始，就会定位到前面出现过的下标，而后面需要的下标就无法查找出来。
要如何才可以从字符串头开始查找，找到一个，就继续从这个位置查找下一个，而不是从头开始查找。

isdkz

pysunred 发表于 2023-4-23 11:33
我现在用另外一种方法，把所有答案都放在一个列表中，
但是因为答案都是ABCD,会重复
现在面临的问题是 ...

不明白你说什么

不过我有自己的想法，这种半结构化的数据可以用谷歌开源的 textfsm 库来解决

使用之前得先安装：

pip install textfsm

参考代码：

import textfsm

data = """
1、（ ）的征缴按照《社会保险费征缴暂行条例》关于基本养老保险费、基本医疗保险费、失业保险费的征缴规定执行。
A.工伤保险费
B.意外保险费
C.医疗保险费
D.人身保险费
答案：A
2、（ ）对建筑工程安全防护、文明施工措施费用的使用负总责。
A.分包单位
B.转包单位
C.发包单位
D.工程总承包单位
答案：D
"""

template = """Value Number (\d+)
Value Question (.+)
Value List Option ([A-D]\..+)
Value Answer ([A-D])

Start
  ^${Number}、${Question}
  ^${Option}
  ^答案：${Answer} -> Continue.Record
  ^\s* -> Record
"""

with open("template.textfsm", "w") as f:
    f.write(template)

with open("template.textfsm") as f:
    fsm = textfsm.TextFSM(f)

result = fsm.ParseText(data)

for item in result:
    number, question, options, answer = item
    print(f"问题 {number}: {question}")
    print("选项:")
    for option in options:
        print(option)
    print(f"答案: {answer}")
    print()