Python re.findall正则表达式问题

Question

我想在字符串中找到一些非常特定的数据。问题是我没有找到我正在使用的当前正则表达式的所有数据。下面是一些示例数据：

[img:2gcfa9cc]http://img823.imageshack.us/img823/3295/pokaijumonlogo.jpg[/img:2gcfa9cc] 

Making these little guys into Kaiju monsters. Again, I know nothing about them, other then which ones I thought would make for cool possible Kaiju (of the original 150) so here's Day 01 

[b:2gcfa9cc][size=150:2gcfa9cc]BULBASAUR[/size:2gcfa9cc][/b:2gcfa9cc] 
[i:2gcfa9cc]Feb 01[/i:2gcfa9cc] 
[ddf2k12:2gcfa9cc]http://img853.imageshack.us/img853/2185/dailydrawfeb2012day01.jpg[/ddf2k12:2gcfa9cc] 

Setting myself up with the same "parameters" as last year 

I may be breaking my own Challenge rules right now but...well I started this last night and I couldn't just leave 'em out in the cold all unfinished 'n' shit. 

Obligatory Skyrim drawing. 

[ddf2k12:2ytorpmj]http://4.bp.blogspot.com/-UIUSNXvnHz4/TynYf1BZ9oI/AAAAAAAAAl4/pRLHVP0Ny3U/s1600/01_cheatingcheaterwarmup1.jpg[/ddf2k12:2ytorpmj] 

我试图让是ddf2k12标签和标签img之间的数据。我到目前为止只在ddf2k12标签上工作过（我认为后者将是img而不是ddf2k12），而在我应该找到的1586个标签中，我只得到5个。下面是我的正则表达式：

ddf2k12_regex = '(\[[ddf2k12]+\:[A-Za-z0-9]+\])(.*?)(\[[ddf2k12]+\:[A-Za-z0-9]+\])' 
ddf2k12_find = re.findall(ddf2k12_regex, post) 

很明显，我的正则表达式有些问题，但是在将我的头撞到墙上之后，我无法将其整理出来，所以我们不胜感激。谢谢。

Answer 1

你会通过将这个大的正则表达式分解成多个部分并使用合成来为你自己一个大忙。这似乎工作正常，更明显的是如何调试它。

import re 

start_tag = '(\[{tagname}:[^\]]+\])' 
end_tag = start_tag.replace('\[', '\[\/', 1) 
content = '((?:.|\n)*?)' # The ?: indicates a non-capturing group.                        
tag = start_tag + content + end_tag 

ddf_tag=tag.format(tagname='ddf2k12') 

for match in re.findall(ddf_tag, post): 
    print match 

Answer 2

这为我工作 -

post = "[the data you want to be searched for using regex]" 
ddf2k12_regex = re.compile(r"\[ddf2k12(?P<data>[\n.]*?)\[/ddf2k12") 
ddf2k12_find = ddf2k12_regex.findall(post) 

Answer 3

两件事情。首先，您在关闭ddf2k12标记中缺少/。

>>> ddf2k12_regex = '(\[[ddf2k12]+\:[A-Za-z0-9]+\])(.*?)(\[/[ddf2k12]+\:[A-Za-z0-9]+\])' 
>>> re.findall(ddf2k12_regex, post) 
[('[ddf2k12:2gcfa9cc]', 'http://img853.imageshack.us/img853/2185/dailydrawfeb2012day01.jpg', '[/ddf2k12:2gcfa9cc]')] 

所以现在它的工作。但是您将ddf2k12字符放在括号内，这些字符将与任何具有字符1,2,d,f或k的标签匹配。

>>> silly_s = '[dddd:a]a[/ffff:a]' 
>>> re.findall(ddf2k12_regex, silly_s) 
[('[dddd:a]', 'a', '[/ffff:a]')] 

所以，你需要匹配确切的标签，而不是;这样做，删除那些外括号：

>>> ddf2k12_regex = '(\[ddf2k12\:[A-Za-z0-9]+\])(.*?)(\[/ddf2k12\:[A-Za-z0-9]+\])' 
>>> re.findall(ddf2k12_regex, post) 
[('[ddf2k12:2gcfa9cc]', 'http://img853.imageshack.us/img853/2185/dailydrawfeb2012day01.jpg', '[/ddf2k12:2gcfa9cc]')] 
>>> re.findall(ddf2k12_regex, silly_s) 
[] 

Answer 4

问题是，你正在使用字符集，你不应该。试试下面的正则表达式来代替：

pattern = r'\[ddf2k12:\w+?\](.*?)\[/ddf2k12:\w+?\]' 

\ W等效于[A-ZA-Z0-9_]

注意，\ w和点的，如在语义（*？） ，可以通过使用DOTALL，LOCALE和UNICODE标志，或者通过向正则表达式添加（？s），（？L）或（？u）来改变。

Answer 5

分组文本在一起是(sometex)，而不是[sometext]。我认为ddf2k12标签可能会出现在您的[...]一侧。将+关闭，您现在不需要(...)。

\[ddf2k12:[a-zA-Z0-9]+\](.*?)\[/ddf2k12:[a-zA-Z0-9]+\] 

会做得很好。请注意，返回值是来自(.*?)的文本。如果你想获得标签名称，你可以使用(...)包装ddf2k12。然后与你的img标签组合的版本会是这样的。

\[(ddf2k12|img):[a-zA-Z0-9]+\](.*?)\[/(ddf2k12|img):[a-zA-Z0-9]+\]