没有正则表达式，我该如何解析？

| 我的一个朋友说，如果我使用的正则表达式过长，则可能是该工作的错误工具。这里有什么更好的方法来解析此文本的想法吗？我有一个正则表达式，可以将所有内容返回一个数组，我可以轻松地将其分块，但是如果有另一种更简单的方法，我真的很想看看。外观如下：

 2 AB 123A 01JAN M ABCDEF AA1   100A  200A  02JAN T /ABCD /E

这是一个分解： 2是行号，范围从1一直到99。如果由于格式而看不到，则空格字符前面的数字小于10。空格可能会或可能不会被“ 4”代替 “ 5”是数据的重要单位（UOD）。 AB之前可能是another7ѭ，这是另一个重要的UOD。 123是重要的UOD。范围从1（前置4个空格）到99999。 A是重要的UOD。 01JAN是一天/一个月的组合，我需要提取两个UOD。 M是日名的缩写。这可能是介于1和7之间的数字。 ABC是重要的UOD。 DEF是重要的UOD。 DEF之后的空格可能是* AA1可以是零个字符，也可以是5个字符。不重要。 100A是时间戳，但可以采用1300格式。当PM中的时间是ѭ25或P时，ѭ11可能是ѭ24。然后，我们看到另一个时间戳。下一个日期部分可能不存在，例如，这是有效的：

93*DE/QQ51234 30APR J QWERTY*QQ0   1250   0520 /ABCD*ASDFAS /E

出现“ѭ28”的数据与应用程序无关，但是，这可能是第二个日期戳出现的地方。前斜杠可能是其他东西（例如字母）。注意：它不是由空间来界定的，身体的某些部分会碰到其他部分。字符位置仅对列表中的前两个或三个项目准确我认为我没有遗漏任何内容，但是，如果有比编写正则表达式更容易的方法来解析这样的字符串，请告诉我。

已邀请:

4 个回复

梆晨灸碾

对于正则表达式而言，这是一项完美的任务。文本不包含嵌套，并且您要匹配的项目非常容易单独处理。大多数正则表达式语法都具有29位扩展标志或模式，该标志或模式允许使用空格和注释来提高可读性。例如：

$regex = \'@
    # 2 is the line number, these range from 1 all the way to 99.
    # There is a space character prepending numbers less than 10.
    # The space may or may not be replaced by an *.
    [ *]\\d|\\d\\d
    \\s

    # AB is an important unit of data (UOD).
    # AB may be prepended by /CD which is another important UOD.
    (/CD)?AB
    \\s

    # 123 is an important UOD. It can range from 1 (prepended by 4 spaces)
    # to 99999.
    \\s{4}\\d{1}|\\s{3}\\d{2}|\\s{2}\\d{3}|\\s{1}\\d{4}|\\d{5}
@x\';

等等。

凄嘛姥

正则表达式对于该应用程序来说似乎不错，但是出于简单性和可读性，您可能希望将其拆分为多个正则表达式（每个字段一个），以便人们可以更轻松地了解正则表达式的哪个部分对应于哪个变量。

郡豪靠暖

您总是可以手动编写自己的解析器，但这将比正则表达式多行代码。但是，对于读者而言，代码行可能更简单。

芦歉竭皑

只需编写一个逐行处理它的自定义解析器即可。似乎所有内容都位于固定位置，而不是用空格/逗号分隔，因此只需将它们用作所需索引即可：

line_number = int(line_text[0:1])
ab_unit = line_text[3:4]
...

如果确实是用空格分隔的，则只需在每行“ 32”处进行解析，然后对每行进行解析，并在适当的地方将每个块拆分为多个组成部分。

要回复问题请先登录或注册

没有正则表达式，我该如何解析？

4 个回复

发起人

regex

sabre

parsing

text

问题状态

没有正则表达式，我该如何解析？

与内容相关的链接

4 个回复

发起人

regex

sabre

parsing

text

问题状态