正則表達式的字符串方含轉義字符

Question

我有一個是通過Linux的文件名，作爲一個字符串的函數，這可能看起來像：

\home\test\2015-11-11\part2\part2a\part2b.png  or 
\test1\test2\test3\test4\test5\2016-01-01\c\test3\test4.bin or 
\opt\logging\bin64\spare\1905-12-12\intereting\file\location\part2.txt 

你可以從我的兩個文件名的例子的位置看日期是可變的。

Python版本是2.7

我只是在日期字段後面的字符串的一部分感興趣。我的想法是使用正則表達式來找到一些位置像

re.search("\d{4}-\d{2}-\d{2}_\d{5}", file_in).end() 

然而\ 2字符串中的存在導致的正則表達式失敗。

在獨立測試，如果我

filename = r'\home\test\2015-11-11\part2\part2a\part2b' 

，因爲它是工作的一個原始字符串，但在我的真正的程序正則表達式將工作，通過文件名不是以原始格式和我找不到一種方式來轉換它，這工作，即對付\2等

是否有另一種方法來找到我的約會？

Answer 1

當你使用正則表達式時，字符串可能已經被破壞。解決方案可能是在獲取數據之前用雙反斜槓替換反斜槓。

但是，Linux文件名不應該包含反斜槓，並且應該是正斜槓分開的（例如/home/test/2015-11-11/part2/part2a/part2b.png）。如果您可以在收到數據之前將它們轉換爲此格式，那麼您將進行排序。

Answer 2

不是100％確定問題是什麼......你的正則表達式不能工作，因爲（1）字符串中沒有_，（2）日期之後的部分不只是數字。

如果您正則表達式的原始字符串，您可以使用\\匹配字符串中的\（或\\\\不r），並(.*?)以確保只有在下段被捕獲（非貪婪）。

此正則表達式應該工作：r'\d{4}-\d{2}-\d{2}\\(.*?)\\'

>>> lst 
['\\home\\test\\2015-11-11\\part2\\part2a\\part2b.png', 
'\\test1\\test2\\test3\\test4\\test5\\2016-01-01\\c\\test3\\test4.bin', 
'\\opt\\logging\\bin64\\spare\\1905-12-12\\intereting\\file\\location\\part2.txt'] 
>>> [re.search(r'\d{4}-\d{2}-\d{2}\\(.*?)\\', s).group(1) for s in lst] 
['part2', 'c', 'intereting'] 

注時直接輸入在源代碼中的字符串，一個「原始」的字符串（r'...'）纔有意義。如果是這種情況，只需在字符串中添加r前綴。如果字符串來自其他地方，來自文件或UI中的文本字段，則反斜線將自動正確轉義。另外，如前所述，Linux上的路徑分隔符實際上應該是/，而不是\。

>>> lst2 = [s.replace('\\', '/') for s in lst] 
>>> [re.search(r'\d{4}-\d{2}-\d{2}/(.*?)/', s).group(1) for s in lst2] 
['part2', 'c', 'intereting'] 

Answer 3

那這只是在前面加上r -

import re 


data = [r'\home\test\2015-11-11\part2\part2a\part2b.png', 
r'\test1\test2\test3\test4\test5\2016-01-01\c\test3\test4.bin', 
r'\opt\logging\bin64\spare\1905-12-12\intereting\file\location\part2.txt'] 


def date_finder(s): 
    return re.findall(r'(?<=(?<=\\)(?:\d{4}-\d{2}-\d{2})(?=\\))(.*)',i) 

for i in data: 
    print date_finder(i) 

輸出 -

['\\part2\\part2a\\part2b.png'] 
['\\c\\test3\\test4.bin'] 
['\\intereting\\file\\location\\part2.txt'] 

Answer 4

您可以使用raw string，如果你需要在它反斜槓（無論如何，這不能結束一個反斜槓！）。但是在Linux中，路徑的文件夾被向前斜槓分隔

例子：

re.compile(r'\this\is\a\path') 
re.compile(r'\this\doesnt\work\') 

如果您需要的字符串結束與一個反斜槓，你應該使用雙處處反斜槓

re.compile('\\this\\works\\now\\') 

還是有點技巧;）

re.compile(r'\this\also\works'+'\\') 

Answer 5

使用/只是我的一部分的拼寫錯誤，使w之後，示例文件名中沒有_xxxxx數據，從而使正則表達式看起來不正確。

我的一位同事看了一眼，似乎認爲這是我閱讀字符串的方式。一旦我將非常類似的代碼應用於我的真實程序，它就能正確地在我的文件名中找到日期字段並且可以工作。

感謝所有爲快速響應

Answer 6

當你指定你只想日期後的文件名....

import re 
files=['/home/test/2015-11-11/part2/part2a/part2b.png', 
'/test1/test2/test3/test4/test5/2016-01-01/c/test3/test4.bin', 
'/opt/logging/bin64/spare/1905-12-12/intereting/file/location/part2.txt'] 

for f2 in files: 
    try: 
     last_file=re.split('\d{4}[-]\d{2}[-]\d{2}/',f2)[1].split('/')[-1] 
    except ValueError: 
     last_file="Not Found" 
    print last_file,f2 

將產生的輸出

part2b.png /home/test/2015-11-11/part2/part2a/part2b.png 
test4.bin /test1/test2/test3/test4/test5/2016-01-01/c/test3/test4.bin 
part2.txt /opt/logging/bin64/spare/1905-12-12/intereting/file/location/part2.txt 

步驟是：

1. 拆分再次使用正則表達式
2. 分割使用的文件分隔符
3. 採取最後一個項目從數組

嘗試/除...因爲肯定不是所有的數據將匹配。

問候

添