Come implementare un REGEX in Python

Question

Sto cercando di utilizzare un'espressione regolare dettagliata in Python (2.7). Se è importante, sto solo cercando di rendere più facile tornare indietro e capire più chiaramente l'espressione in futuro. Poiché sono nuovo, per prima cosa ho creato un'espressione compatta per assicurarmi di ottenere ciò che volevo.

Ecco l'espressione compatta:

test_verbose_item_pattern = re.compile('\n{1}\b?I[tT][eE][mM]\s+\d{1,2}\.?\(?[a-e]?\)?.*[^0-9]\n{1}') 

Funziona come previsto

Qui è l'espressione Verbose

verbose_item_pattern = re.compile(""" 
\n{1}  #begin with a new line allow only one new line character 
\b?  #allow for a word boundary the ? allows 0 or 1 word boundaries \nITEM or \n ITEM 
I  # the first word on the line must begin with a capital I 
[tT][eE][mM] #then we need one character from each of the three sets this allows for unknown case 
\s+  # one or more white spaces this does allow for another \n not sure if I should change it 
\d{1,2} # require one or two digits 
\.?  # there could be 0 or 1 periods after the digits 1. or 1 
\(?  # there might be 0 or 1 instance of an open paren 
[a-e]?  # there could be 0 or 1 instance of a letter in the range a-e 
\)?   # there could be 0 or 1 instance of a closing paren 
.*   #any number of unknown characters so we can have words and punctuation 
[^0-9]  # by its placement I am hoping that I am stating that I do not want to allow strings that end with a number and then \n 
\n{1}  #I want to cut it off at the next newline character 
""",re.VERBOSE) 

Il problema è che quando faccio funzionare il modello verbose ottengo un eccezione

Traceback (most recent call last): 
File "C:/Users/Dropbox/directEDGAR-Code-Examples/NewItemIdentifier.py", line 17, in <module> 
""",re.VERBOSE) 
File "C:\Python27\lib\re.py", line 190, in compile 
    return _compile(pattern, flags) 
File "C:\Python27\lib\re.py", line 242, in _compile 
raise error, v # invalid expression 
error: nothing to repeat 

Ho paura che questo sia qualcosa di sciocco ma non riesco a capirlo. Ho preso le mie espressioni prolisse e l'ho compattato riga per riga per assicurarmi che la versione compatta fosse la stessa del verboso.

Il messaggio di errore indica che non c'è nulla da ripetere?

Answer 1

• È buona norma utilizzare stringhe prime nel definire espressioni regolari modelli. Un sacco di schemi di espressioni regolari utilizzano i backslash e l'utilizzo di un valore letterale stringa non elaborato consentirà di scrivere singole barre rovesciate anziché dovendosi preoccupare che Python interpreterà o meno il backslash in modo da avere un significato diverso (e dover utilizzare due barre rovesciate) in quei casi).

• \b? non è valido regex. Questo sta dicendo i confini delle parole 0 o 1. Ma o hai un limite di parole o non lo fai. Se hai un limite di parole, hai un limite di 1 parola. Se non si dispone di un limite di parole, si avranno 0 limiti di parola. Quindi \b? sarebbe (se fosse una regex valida) sempre true.

• Regex distingue tra la fine di una stringa e la fine di una linea. (Una stringa può essere costituito da più righe.) Solo

  • \A partite l'inizio di una stringa.
  • \Z corrisponde solo alla fine di una stringa.
  • $ corrisponde alla fine di una stringa, e anche fine di una linea in modalità re.MULTILINE.
  • ^ corrisponde l'inizio di una stringa, e anche all'inizio di una riga in modalità re.MULTILINE.

---

import re 
verbose_item_pattern = re.compile(r""" 
    $   # end of line boundary 
    \s{1,2}  # 1-or-2 whitespace character, including the newline 
    I   # a capital I 
    [tT][eE][mM] # one character from each of the three sets this allows for unknown case 
    \s+   # 1-or-more whitespaces INCLUDING newline 
    \d{1,2}  # 1-or-2 digits 
    [.]?   # 0-or-1 literal . 
    \(?   # 0-or-1 literal open paren 
    [a-e]?  # 0-or-1 letter in the range a-e 
    \)?   # 0-or-1 closing paren 
    .*   # any number of unknown characters so we can have words and punctuation 
    [^0-9]  # anything but [0-9] 
    $   # end of line boundary 
    """, re.VERBOSE|re.MULTILINE) 

x = verbose_item_pattern.search(""" 
Item 1.0(a) foo bar 
""") 

print(x) 

rendimenti

<_sre.SRE_Match object at 0xb76dd020> 

(che indica v'è una corrispondenza)

Answer 2

Come dicono nei commenti si dovrebbe sfuggire la vostra barra rovesciata o utilizzare stringa elevata anche con citazione tripla.

verbose_item_pattern = re.compile(r""" 
...