提取正则表达式格式字符串数据

本文将介绍如何使用 Python 的 re 模块，通过正则表达式从特定格式的字符串中提取数据，并将其转换成需要的键值对形式。

使用正则表达式解析字符串

假设我们有一个字符串，其中包含类似 55=id|1007=symbol 这样的模式，我们的目标是提取 symbol 和 id，并将它们转换成 symbol = id 的形式。

首先，我们需要导入 re 模块：

import re

然后，定义包含数据的字符串：

s = """55=22395|1007=BTCUSD|1008=3|55=22396|1007=BTCEUR|1008=2|55=22397|1007=ETHUSD|1008=3|55=22398|1007=ETHEUR|1008=3|55=20009|1007=TELENET GROUP|1008=2|55=20011|1007=MAGNEGAS CORP|1008=2|55=20012|1007=CALUMET SPEC PRDCTS|1008=2|55=20013|1007=CBOE HLDG INC|1008=2|55=20014|1007=ELECTRONIC ARTS INC|1008=2|55=20015|1007=EXPRESS SCRIPTS INC|1008=2|55=20016|1007=ADVANCE AUTO PARTS|1008=2|55=20017|1007=CHINA FUND INC|"""

接下来，使用 re.findall() 函数和正则表达式来提取数据。正则表达式 r"\b55=(\d+)\|\d+=([^|]+)" 的含义如下：

• \b: 匹配单词边界，确保匹配的是完整的 55=。
• 55=: 匹配字符串 "55="。
• (\d+): 匹配一个或多个数字，并将其捕获到第一个分组中（id）。
• \|: 匹配字符 "|"。
• \d+=: 匹配一个或多个数字后跟 "="。
• ([^|]+): 匹配除了 "|" 之外的一个或多个字符，并将其捕获到第二个分组中（symbol）。

for id_, symbol in re.findall(r"\b55=(\d+)\|\d+=([^|]+)", s):
    print(f"{symbol:<30} {id_}")

这段代码会遍历所有匹配项，并将 id 和 symbol 分别赋值给变量 id_ 和 symbol。然后，使用 f-string 打印结果，{symbol:<30} 表示将 symbol 左对齐，并占据 30 个字符的宽度，方便对齐输出。

完整代码示例

import re

s = """55=22395|1007=BTCUSD|1008=3|55=22396|1007=BTCEUR|1008=2|55=22397|1007=ETHUSD|1008=3|55=22398|1007=ETHEUR|1008=3|55=20009|1007=TELENET GROUP|1008=2|55=20011|1007=MAGNEGAS CORP|1008=2|55=20012|1007=CALUMET SPEC PRDCTS|1008=2|55=20013|1007=CBOE HLDG INC|1008=2|55=20014|1007=ELECTRONIC ARTS INC|1008=2|55=20015|1007=EXPRESS SCRIPTS INC|1008=2|55=20016|1007=ADVANCE AUTO PARTS|1008=2|55=20017|1007=CHINA FUND INC|"""

for id_, symbol in re.findall(r"\b55=(\d+)\|\d+=([^|]+)", s):
    print(f"{symbol:<30} {id_}")

输出结果

运行上述代码，将会得到如下输出：

BTCUSD                         22395
BTCEUR                         22396
ETHUSD                         22397
ETHEUR                         22398
TELENET GROUP                  20009
MAGNEGAS CORP                  20011
CALUMET SPEC PRDCTS            20012
CBOE HLDG INC                  20013
ELECTRONIC ARTS INC            20014
EXPRESS SCRIPTS INC            20015
ADVANCE AUTO PARTS             20016
CHINA FUND INC                 20017

注意事项

• 正则表达式的编写需要根据实际的数据格式进行调整。
• 使用 re.findall() 函数返回的是一个列表，其中每个元素都是一个元组，包含所有捕获的分组。
• 可以使用 re.search() 函数来查找第一个匹配项。
• 可以使用 re.sub() 函数来替换字符串中的匹配项。

总结

通过本文的介绍，您学会了如何使用 Python 的 re 模块，通过正则表达式从特定格式的字符串中提取数据。这种方法在处理大量文本数据时非常有用，可以帮助您快速地提取所需的信息。掌握正则表达式的编写和使用，能够显著提高数据处理的效率。