구분 기호 목록에 루프를 코딩 하시겠습니까?

Question

html 파일에서 문자열 부분을 분리해야합니다. 성공할 수 있다고 생각했지만 데이터 구조는 정말로 혼란 스럽습니다. 나는 매우 초보자이므로 정규 표현은 아마도 나쁜 생각 일 것입니다. 나는 쉼표 또는 세미콜론이 일관성이없고 구분 기호로 선택할 수 없다고 덧붙일 수 있습니다. 여기 어쨌든 내가 한 일을 예로 들어서 시작하겠습니다. 구분 기호가 일치한다면 그 변수

예 = D1 D2를 몇 가지 물건 몇 가지 물건 몇 가지 물건의 D3의 D4 D5의 몇 가지 물건을 넣어 HTML입니다 가정

, 그 관심 "물건"을 복구 할 수 다음 스크립트 나 :

for url in open("url-repository.csv", "rt").readlines(): 
    variable1 = urllib2.urlopen(url[:-1]).read() 
    a = re.compile('d1(.*?)\"d2') 
    b = a.search(vqriable1) 
    if b: 
     c = b.group(1) 
     list_of_d1.append(c) 

그러나 구분 기호는 항상 내가 분석 할 수있는 다른 페이지에 같은 않으며, 항상 같은 순서로하지 않습니다.

예 2 = D2 몇 가지 물건의 D3 아무것도 D4 그러므로 나는 당신에게 두 가지를 물어 보곤

몇 가지 물건의 D5.

Delimiters_list = [d1, d2, d3] 

1

스크립트가 예를 들어, 모든 가능한 구성을 보이는 것을 확인하는 것이 가능, 나는 HTML 페이지에있는 모든 구분 기호의 목록을 작성한다고 가정 D1 + D2, D2 + D6, DN + 네?

2 또는 적어도 첫 번째 용어를 나타내며 스크립트가 만난 목록의 첫 번째 용어에 대한 체인 선택을 중지하게 하시겠습니까?

이것은 매우 어려운 문제입니다. 나는 분명하지 않을 수도 있다는 것을 알고 있습니다.하지만 그것을 조사하고 도우려는 사람들에게 미리 감사드립니다.

Answer 1

대체 연산자 인 |을 사용하면 문제가 발생하지 않습니다.

(d1|d2|d3|d4|d25)(.*?)(?=d1|d2|d3|d4|d25) 

이 방법 ,

1. 당신이 경우에 시작 구분 기호를 사로 잡을 것입니다 당신이 1 군에, 그것을 필요로;
2. 그룹 2에서 "탐욕스럽게"어떤 것을 잡을 것입니다;
3. 을 사용하고 lookahead 어설 션을 사용하면 나머지 구획을 동일한 정규식과 계속 일치시킬 수 있도록 다음 구분 기호를 "먹어"버릴 수 없습니다.

이 정규식의 데모를 보려면 http://rubular.com/r/DJVegfD3Ul을 참조하십시오.

참고 : 슬프게도 파이썬을 모르므로 코드를 작성하지 않겠습니다. 그러나 모든 구획 문자를 위의 형식으로 결합하는 것은 쉬운 일이 아니어야합니다. 아래 주석에주의하십시오.

UPDATE

이 파이썬을 쓰는 내 처음으로, 지금까지, 그래서 내 실수를 용서합니다.

# start with an array of delimeters 
    delimeters = [d1, d2, d3] 

    # start with a blank string 
    regex_delim = '' 

    # build the "delimiters regex" using alternation 
    for delimeter in delimeters: 
     regex_delim += re.escape(delimeter) + '|' 

    # remove the extra '|' at the end 
    regex_delim = regex_delim[:-1] 

    # compile the regex 
    regex_obj = re.compile('(' + regex_delim + ')(.*?)(?=' + regex_delim + ')') 

    # and that should be it! 
    for match in regex_obj.finditer(html_str): 
     print match.group(2) 

구분 기호에 특수 문자가있는 경우에는 re.escape(delimiter)이 필요합니다. 예를 들어 구분 기호가 * 인 경우 re.escape(...)은 \*을 반환하므로 구분 기호가 정규식 한정 기호로 변환되지 않습니다.

Answer 2

다음 Python 예제를 통해 문제를 해결할 수 있습니다.

dels = [d1, d2, d3] 
combs = [] 
for d1 in dels: 
    for d2 in dels: 
     combs.append(re.compile(d1 + '(.*?)\"' + d2) 
for comb in combs: 
    check_for_matches(comb, string) 

도움이 되셨기를 바랍니다.