Expression régulière pour la chaîne hexadécimale en python ne fonctionne pas

J'ai une expression régulière correspondant aux chaînes de caractères comme:

--D2CBA65440D

--77094A27E09

--77094A27E

--770

--77094A27E09--

en gros, elle correspond à une chaîne hexadécimale entouré par un ou plusieurs sauts de ligne ou un espace blanc, et a le préfixe -- et peut ou peut ne pas avoir-comme le suffixe

- je utiliser le code python suivant, et il fonctionne très bien la plupart du temps:

hexaPattern = "\s--[0-9a-fA-F]+[--]?\s"
hex = re.search(hexaPattern, part)
if hex:
   print "found a match"

cela fonctionne pour tous les ci-dessus mais il ne correspond pas --77094A27E09 dans ce bloc:

<div id="arrow2" class="headerLinksImg" style="display:block

--77094A27E09

;">

mais correspond à la même chaîne:

<input type="checkbox" name="checkbox" id="checkboxKG3" class

--77094A27E09

Content-T="checkboxKG" value="KG3" />

Ce que je fais mal?

essayez de coupe vers le bas le code html de chaque côté jusqu'à ce que vous trouver le personnage qui est à l'origine du problème
Je reçois un match pour ce block: rubular.com/r/wfqgEPHObB
Notez que [--]? correspond à un seul ou aucun des tirets, pas deux tirets. Je pense que vous vouliez dire (--)?
je voulais dire deux tirets ... mais [--]? travaillé

OriginalL'auteur Darth Plagueis | 2012-04-22

  1. 10
    import re
hexaPattern = re.compile(r'\s--([0-9a-fA-F]+)(?:--)?\s')
m = re.search(hexaPattern, part)
if m:
   print "found a match:", m.group(1)

    Cette pré-compile le modèle pour la vitesse. Il utilise un r'' (chaîne brute) de sorte que les barres obliques inverses sont sûr d'être passé à travers correctement. Cela ajoute des parenthèses pour faire un "match de groupe" de sorte que vous pouvez extraire votre chaîne hexadécimale après le match; il ajoute également un "non-correspondants de groupe" autour de la deuxième -- chaîne.

    Parce que vous avez utilisé les crochets autour de la deuxième "--", vous avez un "caractère de classe". Je ne suis pas sûr exactement ce que le caractère de classe [--] matchs; je pense qu'il devrait tout simplement correspondre tout '-' caractère. Dans une classe de caractères, un " - " est généralement utilisé pour un éventail, comme dans [a-z] mais la gamme [--] n'a pas de sens donc je pense qu'il devrait revenir à la juste contrepartie d'une '-'. Le problème, c'est: parce que vous avez la ? après elle, il ne correspond à zéro ou à un '-' caractère, et vous en avez besoin pour être en mesure de faire correspondre les deux.

    Il vaut la peine de mentionner que vous avez seulement besoin de compiler le motif si vous utilisez beaucoup de différents modèles. Selon python re docs, ces valeurs sont mises en cache, donc si vous êtes en utilisant seulement quelques modèles, leur compilation ne sera pas vous faire beaucoup.

    OriginalL'auteur steveha

  2. 4

    Essayez ceci:
    hexaPattern = r"^--[0-9a-fA-F]+(--)?\s"

    Les correctifs j'ai inséré:

    r au début, de sorte que les barres obliques inverses de ne pas être "mangé" par les guillemets

    ^ au début de match au début de la chaîne

    puis -- entre parenthèses au lieu des crochets (crochets sembler comme une erreur)

    Vous ne voulez pas de match depuis le début. OP les valeurs hexadécimales sont incorporés dans une longue chaîne de html.
    Ok. Les exemples l'ont montré les motifs depuis le début

    OriginalL'auteur Israel Unterman

  3. 0

    D'autres ont signalé des problèmes avec votre regex, à savoir la [--] qui trouve essentiellement un seul trait d'union d'une manière non conventionnelle ... de toute façon, pas ce que vous voulez de toute façon.

    Je dirais aussi que le fait d'avoir \s à la fois le début et la fin de la regex sera également causer des problèmes dans certaines circonstances, car elle correspond à spaces, tabs, et newlines. Donc, vous pourriez vous retrouver avec un cas où votre dossier a --77094A27E09\n--D2CBA65440D et la deuxième --D2CBA65440D ne correspond pas parce que le saut de ligne a été consommé par \s à la fin du match précédent.

    Aussi, vous semblez être la vérification de chaque ligne dans le fichier individuellement, ce qui vous n'avez pas vraiment besoin de le faire. Vous pouvez utiliser re.findall pour obtenir tous les matches d'un seul coup.

    Et enfin -- au début de la chaîne semble être votre véritable marqueur, pas \s au début ou à la fin. Alors pourquoi ne pas utiliser --([0-9a-fA-F]+)(?:--)? avec un groupe autour du nombre hexadécimal. findall renvoie uniquement les groupes qui est ce que vous voulez. Ensuite, vous pouvez le faire (lire tout le fichier html dans une chaîne de caractères, et de vérifier tous les matchs):

    text = """
<input type="checkbox" name="checkbox" id="checkboxKG3" class
--D2CBA65440D
<a>    --77094A27E09--  </a>
  hello world  --77094A27E
--770--
    --77094A27E09
Content-T="checkboxKG" value="KG3" />
"""
import re
hexapattern = r'--([0-9a-fA-F]+)(?:--)?'
print re.findall(hexapattern, text)
>>> ['D2CBA65440D', '77094A27E09', '77094A27E', '770', '77094A27E09']

    Qui, je pense, est ce que vous voulez

    OriginalL'auteur alan

  4. -1

    J'ai utilisé les éléments suivants :

    pattern = re.compile(r'(\n--)([0-9A-F]+)(--)?', re.I | re.S | re.M)

    et il a bien fonctionné. Merci à tous de vos contributions.

    Juste, pour info, ce ne serait pas correspondre à la forme si elle est au début d'un tampon. À l'aide de ^ comme Israël mentionnées à trouver au début d'une ligne.

    OriginalL'auteur Darth Plagueis