正则表达式-查找几个可选变量

Question

我需要在长文本字符串中找到几个可选变量。这似乎是一个简单的问题，但我希望有一个比我得到的更简单的解决方案。

我需要找到前 10 个字符（简单）12345abcde 以及 ADD 部分中的变量 AA1ab12 和 AA2abc123（如果存在）：

12345abcdeADDAA1ab12
12345abcdeADDxyzAA1ab12
12345abcdeADDxyzAA1ab12xyz
12345abcdeADDAA2abc123
12345abcdeADDAA1ab12xyAA2abc123
12345abcdeADDAA1ab12xAA2abc123y
12345abcdeADDxAA1ab12xAA2abc123y
12345abcdeADDxAA2abc123xAA1ab12y

这是一个简化的示例和解决方案，但恐怕需要很多步骤才能应用并导致性能问题：

• 我需要检索前 10 个字符以及变量 AA1 和 AA2（如果它们存在于 ADD 部分）。 https://regex101.com/r/hapeTs/1

我尝试在

(^(.{10})(?:(?:ADD).*?(AA1.{4})?.*?(AA2.{6})?.*?)?$)

之间添加带有惰性字符串的所有可选变量，但其他一些选项未成功。

• 真正的应用问题：从 NOAA ISD 天气原始格式数据集中获取 8 个可选变量：https://regex101.com/r/E462bd/1

也许我错过了正则表达式功能

感谢您的帮助！

Answer 1

“... - 真正的应用问题：从天气 NOAA ISD 原始格式数据集中获取 8 个可选变量：...”

您可以通过断言结束值是来捕获变量数据，

• 文本“REM”，用于“备注数据部分”，第 116 页。
• 线路结束，

  $

• 或者，另一个数据类型，

  [A-Z]{2}\d

(AA1|AJ1|GF1|GH1|GM1|OC1|OA1|OD1)(.+?)(?=REM|$|[A-Z]{2}\d)

这是一个使用 Python 的示例。

p = r'(AA1|AJ1|GF1|GH1|GM1|OC1|OA1|OD1)(.+?)(?=REM|$|[A-Z]{2}\d)'
l = [{y.group(1): y.group(2)} for x in s for y in re.finditer(p, x)]
[print(x) for x in l]

输出

{'GF1': '07991071091004501999031'}
{'OA1': '99901431'}
{'OA1': '99901431'}
{'GF1': '07991021061002501031999'}
{'AJ1': '00039199999999'}
{'GF1': '08991061071004501999999'}
{'OA1': '99901381'}
{'AA1': '06999999'}
{'GF1': '99999081999003601999999'}