将格式化的数据与正则表达式语句一起分组

如何解决将格式化的数据与正则表达式语句一起分组

我正在研究一个正则表达式语句，以基于数据指示符标签将数据汇总在一起。但是我觉得我的当前代码可以简化。

我想做的是在{4:之后和-}之前处理数据。每个数据点都用列引用标记，该列引用看起来像:16R:，93B::，:35B:等，并且属于该标记的数据大部分位于同一行，例如这种情况:16R:SUBSAFE，但是对于像:35B:这样的记录，其数据被驱动到下三行，但是记录看起来像这样的:35B:ISIN HK0000000000 NEW LIFE COOL FUND - NLCF NEW LIFE-HK BOND-R /ST/123。

我想做的就是获取标签和数据，让它们自己匹配，以便每条记录看起来像

:16R:SUBSAFE
:16R:FIN
:35B:ISIN HK0000000000 NEW LIFE COOL FUND - NLCF NEW LIFE-HK BOND-R /ST/123
etc.

event_data：

{1:F01QWERTY22AXXX1234567890}{2:I103QWERTY33XXXXA7}{3:{108:MT103}}{4:
:16R:SUBSAFE
:16R:FIN
:35B:ISIN HK0000000000
NEW LIFE COOL FUND - NLCF
NEW LIFE-HK BOND-R
/ST/123
:93B::AGGR//UNIT/12345678,1234
:93B::AVAI//UNIT/12345678,1234
:16R:SUBBAL
:93B::AGGR//UNIT/12345678,1234
:94C::SAFE//HK
:90B::MRKT//ACTU/HKD12,345
:98A::PRIC//20200804
:19A::HOLD//HKD123456789,0
:16S:SUBBAL
:19A::HOLD//HKD123456789,0
:16S:FIN
:16R:FIN
-}
{1:ABC123}{2:DEF567}{3:{108:MT103}}{4:
:16R:SUBSAFE
:16R:FIN
:35B:ISIN HK1111111111
NEW LIFE COOL FUND - NLCF
NEW LIFE-HK BOND-L
/ST/123
:93B::AGGR//UNIT/12345678,0
:16S:FINL
:16R:FIN
-}

这是我目前拥有的：

event_data = event_key.get()['Body'].read().decode("utf-8")
swift_messages = re.findall(r"({.*[^}]*-})",event_data)
for message in swift_messages:
    text_block = re.search(r"{4:[^}]*-}",message)
    text_block_data = text_block.group()[3:-2].strip()
    data = text_block_data.splitlines()
    print(data)

这将为循环的每次迭代产生下面的结果。

[':16R:SUBSAFE',':16R:FIN',':35B:ISIN HK0000000000','NEW LIFE COOL FUND - NLCF','NEW LIFE-HK BOND-R','/ST/123',':93B::AGGR//UNIT/12345678,1234',':93B::AVAI//UNIT/12345678,':16R:SUBBAL',':94C::SAFE//HK',':90B::MRKT//ACTU/HKD12,345',':98A::PRIC//20200804',':19A::HOLD//HKD123456789,0',':16S:SUBBAL',':16S:FIN',':16R:FIN']

但是，正如您所看到的，:35B:记录仍然由换行符分隔，因此我正在考虑返回并将该数据与其他逻辑合并。但是在这一点上，我认为我可能会使它过于复杂，并且想知道是否可以通过编写更好的正则表达式来简化它。

解决方法

假设event_data包含问题中给出的数据，则可以这样做：

for message in re.findall(r"(?<=\{4:).*?(?=-\})",event_data,re.DOTALL):
    print('Result:')
    for data in re.findall("^:(?:.(?!^:))+",message,re.DOTALL | re.MULTILINE):
        print(re.sub('\n',' ',data))

此处的优化：

• 它只使用{4:.*}元素的“正文”，而不是整个消息。它通过匹配所有文本.*，其后跟{4:（前向）和后跟-}（前瞻）的所有文本，来实现此目的，
• 对于每条消息，它都将第^:行开头的冒号作为数据，然后将.行之后没有冒号的任何字符(?!^:)当作数据}（负向超前）。
• 它使用^:(.(?!^:))+而不是使用^:(?:.(?!^:))+，因此.findall()将返回整个字符串匹配，而不是仅返回第一个子组匹配。 ?:告诉正则表达式引擎它是一个非捕获组，从整体上来说，仍必须匹配该组。
• 假设您要用空格替换:35B:数据中的换行符，也许甚至不需要？

输出：

Result:
:16R:SUBSAFE
:16R:FIN
:35B:ISIN HK0000000000 NEW LIFE COOL FUND - NLCF NEW LIFE-HK BOND-R /ST/123
:93B::AGGR//UNIT/12345678,1234
:93B::AVAI//UNIT/12345678,1234
:16R:SUBBAL
:93B::AGGR//UNIT/12345678,1234
:94C::SAFE//HK
:90B::MRKT//ACTU/HKD12,345
:98A::PRIC//20200804
:19A::HOLD//HKD123456789,0
:16S:SUBBAL
:19A::HOLD//HKD123456789,0
:16S:FIN
:16R:FIN 
Result:
:16R:SUBSAFE
:16R:FIN
:35B:ISIN HK1111111111 NEW LIFE COOL FUND - NLCF NEW LIFE-HK BOND-L /ST/123
:93B::AGGR//UNIT/12345678,0
:16S:FINL
:16R:FIN