Python正则表达式分裂没有空字符串

Question

我有以下显示此模式的文件名：

000014_L_20111007T084734-20111008T023142.txt
000014_U_20111007T084734-20111008T023142.txt
...

我想在第二个下划线'_'之后和'.txt'之前提取中间的两个时间戳部分。所以我使用了以下Python正则表达式字符串拆分：

time_info = re.split('^[0-9]+_[LU]_|-|\.txt$', f)

但是这在返回的列表中给了我两个额外的空字符串：

time_info=['', '20111007T084734', '20111008T023142', '']

我如何只获得两个时间戳信息？即我想：

time_info=['20111007T084734', '20111008T023142']

Answer 1

不要使用re.split()，使用正则表达式groups() / Match对象的SRE_Match方法。

>>> f = '000014_L_20111007T084734-20111008T023142.txt'
>>> time_info = re.search(r'[LU]_(\w+)-(\w+)\.', f).groups()
>>> time_info
('20111007T084734', '20111008T023142')

您甚至可以命名捕获组并在dict中检索它们，尽管您使用groupdict()而不是groups()。 （这种情况的正则表达式模式类似于r'[LU]_(?P<groupA>\w+)-(?P<groupB>\w+)\.'）

Answer 2

我不是Python专家，但也许你可以从列表中删除空字符串？

str_list = re.split('^[0-9]+_[LU]_|-|\.txt$', f)
time_info = filter(None, str_list)

Answer 3

如果时间戳总是在第二个_之后，那么你可以使用str.split和str.strip：

>>> strs = "000014_L_20111007T084734-20111008T023142.txt"
>>> strs.strip(".txt").split("_",2)[-1].split("-")
['20111007T084734', '20111008T023142']

Answer 4

>>> f='000014_L_20111007T084734-20111008T023142.txt'
>>> f[10:-4].split('-')
['0111007T084734', '20111008T023142']

或者，更一般：

>>> f[f.rfind('_')+1:-4].split('-')
['20111007T084734', '20111008T023142']