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
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。