从匹配的正则表达式中提取数字数据

Question

我在csv文件中有一些温度数据，我只想提取一年中第一个月的温度，所以在处理后我想要一个[1.4, -5.8]的列表下面。

1866-01-01 00:00:01;1866-02-01 00:00:00;1866-01;1.4;G 
1866-02-01 00:00:01;1866-03-01 00:00:00;1866-02;-3.0;G 
1900-01-01 00:00:01;1900-01-01 00:00:00;1900-01;-5.8;G 

我想到用python模块重做这个，但我总是遇到问题，以处理正则表达式！比如我的快速测试，下面所有的回报时，我只希望它从去年的第一个月返回条目线...

import numpy as np 
import re 


regex = '\d{4}-01-\d{2}\s\d{2}:\d{2}:\d{2};\d{4}-01-\d{2}\s\d{2}:\d{2}:\d{2};\d{4}-01;[-+]?\d*\.\d+|\d+;G' 

with open('test.csv', 'rb') as fid: 
    for line in fid: 
     match = re.findall(regex,line) 
     if match: 
      print line 
      print match 

Answer 1

使用csv模块，指定;作为分隔符。在数据的第三列是YYYY-MM，所以检查它是否是第一个月和打印温度如果是：

import csv 

with open('data') as f: 
    for row in csv.reader(f, delimiter=';'): 
     year, month = row[2].split('-') 
     if int(month) == 1: 
      print(row[3]) 

输出

 
1.4 
-5.8 

为了便于比较，这里是最简单的正则表达式，我可以拿出来提取所需的值：

import re 

with open('data') as f: 
    temperature = re.findall(r'\d{4}-01;(.+?);', f.read()) 
    print('\n'.join(temperature)) 

你可以看到它是如何将更多的精力来读&理解正则表达式，而不是Python代码。

有依赖于你的数据，包括固定宽度的字段的更简单的方法：我建议folling正则表达式

with open('data') as f: 
    for line in f: 
     if line[45:47] == '01': 
      print(line[48:-3]) 

Answer 2

：

^(?:\d{4}-01-.*?)(-?\d+\.\d+) 

演示和说明的行为：regex101
这个数字在第一个捕获组中。 另外，以积极前瞻：

^(?=\d{4}-01).*?(-?\d+\.\d+) 

演示和说明的行为：regex101

Answer 3

你必须把你的周围要提取什么括号。所以你应该把最后一部分改为;([-+]?\d*\.\d+|\d+);G。

试试这个代码，并告诉我，如果它的工作原理：

import re 


regex1 = re.compile('\d{4}-01-\d{2}') 
regex2 = re.compile('([-+]?\d*\.\d+|\d+);G') 

with open('test.csv', 'rb') as fid: 
    for line in fid: 
     match1 = re.findall(regex1,line) 
     if match1: 
      match2 = re.findall(regex2, line) 
      print line 
      print match2 

希望这有助于。