python regex help：スキップするための不明な情報

Question

私は必要な正規表現に問題があります。おそらく、私は 'lookaround'または条件式の組み合わせを使用する必要があると確信していますが、私は損失。

は私のようなデータ列を有する：

Iデータで必要とされていない「パターン番号」と「オプション＃」基の各々に対するマッチング式（基である任意の基を有していて

pattern1 pattern2 pattern3 unwanted-groups pattern4 random number of tokens pattern5 optional1 optional2 more unknown unwanted junk separated with white spaces optional3 optional4 etc 

したがって、常に存在するとは限りません）、すべての 'トークン'以外のセクションが空白で区切られている場合は、パターン（テキストは自由形式）またはスキップするグループ数はありません。

私は、必要なグループ間で不要なものをスキップする方法を見つけ出すことができましたが、オプションのグループに当たったとき、私は失われてしまいました。どのようなヒント/助けを求めているべきですか？

おかげ

が、これは私が現在持っているものです。

pattern = re.compile(r'(?:(METAR|SPECI)\s*)*(?P<ICAO>[\w]{4}\s)*' 
       r'(?P<NIL>(NIL)\s)*(?P<UTC>[\d]{6}Z\s)*(?P<AUTOCOR>(AUTO|COR)*\s)*' 
       r'(?P<WINDS>[\w]{5,6}G*[\d]{0,2}(MPS|KT|KMH)\s)\s*' 
       r'.*?\s' #skip miscellaneous between winds and thermal data 
       r'(?P<THERM>[\d]{2}/[\d]{2}\s)\s*(?P<PRESS>A[\d]{4}\s)\s*' 
       r'(?:RMK\s)\s*(?P<AUTO>AO\d\s)*' 
       r'(?P<PEAK>(PK\sWND\s[\d]{5,6}/[\d]{2,4}))*' 
       r'(?P<SLP>SLP[\d]{3}\s)*' 
       r'(?P<PRECIP>P[\d]{4}\s)*'   
       r'(?P<remains>.*)' 
       ) 

example = "METAR KCSM 162353Z AUTO 07011KT 10SM TS SCT100 28/19 A3000 RMK AO2 PK WND 06042/2325 WSHFT 2248 LTG DSNT ALQDS PRESRR SLP135 T02780189 10389 20272 53007=" 

data = pattern.match(example) 

最初の10グループのために働くように見えるが、それはそれについてです....再び

おかげで皆

Answer 1

|演算子とfindallを使用する必要があります。

>>> re.compile("(regex\d+|optregex\d+)") 
>>> regex.findall(string) 
[u'regex1', u'regex2', u'regex3', u'regex4', u'regex5', u'optregex1', u'optregex2', u'optregex3', u'optregex4'] 

アドバイス：正規表現を試してみる（実際に書くのを助ける）いくつかのツール（GUI）があります。 Pythonの場合、私はkodosがかなり好きです。

Answer 2

すべてのデータがその形式の場合は、代わりにsplitとします。私はそれがより速くなると思う。

str = "regex1 regex2 regex3 unwanted-regex regex4 random number of tokens regex5 optregex1 optregex2 more unknown unwanted junk separated with white spaces optregex3 optregex4 etc" 
parts = str.split() # now you have each part as an element of the array. 
for index,item in enumerate(parts): 
    if index == 3: 
     continue # this is unwanted-regex 
    else: 
     # do what you want with the information here 

Answer 3

あなたの目標の全てが「foo1の」のようなもので構成されている場合、「bar22」など（つまり数字の配列が続く文字の配列）、および他のすべて（数字の配列は、「言葉」数値サフィックスなどなし）「ジャンク」で、次は十分であると思わ：

re.findall(r'[A-Za-z]+\d+', targetstr) 

として（\マッチの数字と_（アンダースコアワットので、我々はちょうどR「\ W + \ dの+」を使用することはできません）よく手紙として）。

キーパターンの限られた数を探している、またはジャンクの一部が一致する可能性がある場合、「foo123 ...その後、あなたは明らかに、より具体的にする必要があります。