时间戳

首页 > 解决方案 > 使用正则表达式抓取每次出现的内容

python - 使用正则表达式抓取每次出现的内容

问题描述

用例

我想使用正则表达式来获取位置未知的一小部分 json 数据。虽然 Python 有一个 json 库，但是解析所有的 json 数据是很慢的。json 数据具有常规格式。

目标

对于 的每次出现1001，我想抓取包含该出现的最里面的大括号中的内容

代码

import re
x = r'{123:{"a":100, "asdf":"example.com","at":1001},'\
    '47289:{"a":20, "asdf":"test.org","at":20},}'
regex = r'{(.*?)1001(.*?)}'
print(re.match(regex, x).group(1))

期望的结果

{"a":100, "asdf":"example.com","at":1001}

实际结果

123:{"a":100, "asdf":"example.com","at":

问题

这个怎么做？如何快速做到这一点？

标签： pythonjsonregex

解决方案

不要使用.*?，它会匹配任何字符，包括{. 改为使用[^{]*?。

您还需要使用re.search(), not re.match()，因为match()仅匹配字符串的开头。请参阅re.search 和 re.match 有什么区别？.

要获得整个比赛，请使用.group(0). .group(1)只返回匹配的部分[^}]*?。

import re
x = r'{123:{"a":100, "asdf":"example.com","at":1001},'\
    '47289:{"a":20, "asdf":"test.org","at":20},}'
regex = r'{([^{]*?)1001(.*?)}'
print(re.search(regex, x).group(0))

让它不贪心并不能解决问题，因为匹配是从左到右的。所以{将匹配第一个{，然后.*将匹配所有内容，直到1001，其中包括内部{。

它对第二组按预期工作，因为非贪婪量词在第一组之前停止}，因为它是从左到右工作的。

推荐阅读