用python中的正则表达式区分两个字符串

Question

mato_grosso_2000_test.csv
mato_grosso_do_sul_2000_test.csv

我想在python中构建一个正则表达式，它可以区分上面的两行。_20xx_test.csv总是出现在文件名中，xx可以从00到17不等，我该怎么做呢？

我尝试了一个简单的as匹配，但这不能区分两者，即mato_grosso也找到了mato_grosso_do_sul

编辑：

我希望reg测试选择mato_grosso_2000_test.csv和mato_grosso_2001_test.csv，而不是mato_grosso_do_sul_2000_test.csv

Answer 1

我认为你真正想要的是这样的东西：

regions_to_files = defaultdict(list)
for x in filenames:
    matches = re.match(r'(?P<region>.*)_(?P<year>200[0-9]|201[0-7])_test.csv', x)
    region = matches.group('region')
    regions_to_files[region].append(x)

现在，与mato_grosso相关的所有文件将在regions_to_files['mato_grosso']上可用，而与mato_grosso_do_sul相关的所有文件将在regions_to_files['mato_grosso_do_sul']上可用。

匹配第一个文件名：

# mato_grosso_2000_test.csv
re.match(r'mato_grosso_20(0[0-9]|1[0-7])_test.csv', filename)

匹配第二个文件名，但不匹配第一个文件名：

# mato_grosso_do_sul_2000_test.csv
re.match(r'mato_grosso_do_sul_20(0[0-9]|1[0-7])_test.csv', filename)

正则表达式(0[0-9]|1[0-7])将匹配00，01，。。。是给你的。

Answer 2

可以使用带有负前瞻性断言的regex查找"mato_grosso“的匹配项，而不是"do_sul”。例如：

re.match('mato_grosso_(?!do_sul)', 'mato_grosso_2000_test.csv')

re.match('mato_grosso_(?!do_sul)', 'mato_grosso_do_sul_2000_test.csv')

这将为第一个示例找到匹配，但对于第二个示例却找不到匹配。

Python文档有更多关于正则表达式语法的讨论。要获得更多有关这方面的详细信息，请查找“负面展望”。