python将模式与和和组组合在一起。

Question

我试图使用regex来匹配满足以下条件的东西：

1. 不包含"//“字符串
2. 含汉字
3. 捡起那些汉字

我从一个文件中逐行读取：

f = open("test.js", 'r')
lines = f.readlines()
for line in lines:
    matches = regex.findall(line)
    if matches:
        print(matches)

首先，我尝试使用以下模式来匹配汉字：

re.compile(r"[\u4e00-\u9fff]+")

它可以工作，并给我输出：

['下载失成功']
['下载失败']
['绑定监听']
['该功能暂未开放']

然后，我尝试用以下模式排除"//“，并将其与上面的模式结合起来：

re.compile(r"^(?=^(?:(?!//).)*$)(?=.*[\u4e00-\u9fff]+).*$")

它给了我输出：

['           showToastByText("该功能暂未开放");']

这几乎是对的，但我想要的只是汉字部分。

我试着添加"()“，但就是不能拿起我想要的部分。

如有任何建议，将不胜感激:)

Answer 1

您不需要这么复杂的正则表达式，只需在输入中否定//并捕获出现在一起的汉字。如果放弃包含//的行

^(?!.*//)[^\u4e00-\u9fff]*([\u4e00-\u9fff]+)

可以从第一个分组模式中提取汉字。

对上述正则表达式的解释：

• ^ -字符串的开始
• (?!.*//) -如果//出现在前面的任何位置，那么向前看将放弃比赛。
• [^\u4e00-\u9fff]* -可选地匹配零或多个非中文字符。
• ([\u4e00-\u9fff]+) -捕获一个或多个汉字，然后放入第一个分组模式。

演示

编辑:下面是示例代码，演示如何从group1捕获文本

import re

s = '           showToastByText("该功能暂未开放");'

m = re.search(r'^(?!.*//)[^\u4e00-\u9fff]*([\u4e00-\u9fff]+)',s)
if (m):
 print(m.group(1))

指纹，

该功能暂未开放

在线Python演示

编辑:用于提取注释中提到的多次出现的汉字

由于要提取多个中文字符，可以检查字符串是否不包含//，然后使用findall提取所有中文文本。下面是一个演示相同的示例代码，

import re

arr = ['showToastByText("该功能暂未开放");','//showToastByText("该功能暂未开放");','showToastByText("未开放");','showToastByText("该功能暂xxxxxx未开放");']

for s in arr:
 if (re.match(r'\/\/', s)):
  print(s, ' --> contains // hence not finding')
 else:
  print(s, ' --> ', re.findall(r'[\u4e00-\u9fff]+',s))

指纹，

showToastByText("该功能暂未开放");  -->  ['该功能暂未开放']
//showToastByText("该功能暂未开放");  --> contains // hence not finding
showToastByText("未开放");  -->  ['未开放']
showToastByText("该功能暂xxxxxx未开放");  -->  ['该功能暂', '未开放']

在线Python演示

Answer 2

你不需要一个积极的展望，以获得汉字(因为它将不匹配任何东西)。因此，我们可以重写该部分，以便对.*进行延迟匹配，直到找到所需的字符为止。

因此，使用：

^(?=^(?:(?!//).)*$).*?([\u4e00-\u9fff]+).*$

你的第一个捕获组将是汉字。