正则表达式返回不一致的结果在同一个字符串

我有一个正则表达式应该匹配某些文件中的某些段落的开始。它运行在一个较小版本的文件上，但是当我在整个文件上运行它时，它会在第四场比赛中选出一个排除的\ r，我不知道为什么。正则表达式返回不一致的结果在同一个字符串

继承人的方法：

def getRowTitles(self): 
      rowNames = [] 
      pattern = r'([^\r].{1,4}\(.*?\)[^_]*?)' 
      count = 0 
      found = re.search(pattern, self.read) 
      toLoopThrough = self.read 
      while found: 
       rowNames.append(found.group().strip()) 
       count = toLoopThrough.find(found.group()) 
       toLoopThrough = toLoopThrough[count + len(found.group()):] 
       found = re.search(pattern, toLoopThrough) 
      return rowNames

的文件的开头是这样的：

  Average per group  sum per group  n per group  stdev per group  Log 2 p-value Individual Areas normalised by weight         
      WT OX WT OX WT OX WT OX OX/WT  WT    OX

脂质极性@保留时间等级Class子类C1378 C1383 C1387 C1513 C1377 C1381 C1382 C1389 C1397 C1519 具有p值的脂质< 0.05
心磷脂
CL（23：4/24：1/20：3/18：1）[email protected] CL Ca rdiolipin Cardiolipin 58259.7396 108709.9208 233038.9584 652259.5249 4 6 29064.41359 19088.852 0.899912448 0.030160222 3.56E + 04 9.88E + 04 5.99E + 04 3.88E + 04 9.92E + 04 1.18E + 05 1.14E + 05 1.31E + 05 7.55E + 04 1.15E 05 鞘糖脂
神经酰胺（D18：2/22：1）神经酰胺[email protected]鞘糖脂神经酰胺73771.99705 172457.0264 295087.9882 1034742.159 4 6 23692.94535 68679.54864 1.225091714 0.015442582 7.77E + 04 7.05E + 04 4.47E + 04 1.02E + 05 1.49E +05 3.01E + 05 1.85E + 05 1.04E + 05 1.35E + 05 1.60E + 05 中性甘油脂
DG（16：0/22：6）[email protected] DG中性甘油脂甘油二酯1970578.151 620552.4835 7882312.604 3723314.901 4 6 642432.36 508282.8967 -1.666993829 0.01447318 1.53E + 06 1.69E + 06 2.92E + 06 1.74E + 06 1.18E + 06 3.25E + 05 1.03E + 06 1.53E + 05 1.01E + 06 2.57E + 04 TG（16： 1/16：1/18：2）[email protected] TG N中性甘油脂甘油三酯205875394.4 129414602.1 823501577.5 776487612.3 4 6 21098256.62 66163733.32 -0.669771005 0.036476709 2.03E + 08 1.84E + 08 2.35E + 08 2.02E + 08 1.69E + 08 1.26E + 08 1.72E + 08 1.33E + 08 1.75E + 08 1.36E + 06

如果文件的长度只与该摘录一样长，则该方法返回一个类似['CL（23：4/24：1/20：3/18：1）'，'' Cer（d18：2/22：1）'，'DG（16：0/22：6）'，'TG（16：1/16：1/18：2）']，但是如果文件更长（23：4/24：1/20：3/18：1）'，'Cer（d18：2/22：1）'，'DG（16：0/22：6））'，'04 \ rTG（16：1/16：1/18：2）']

如果有人知道为什么这些情况会有所不同，那将会非常有帮助。

来源

2016-06-20 Jonah Neugeboren

请使用格式化工具在编辑器中，使您的问题更具可读性。较低的部分是全明文，并且很难确定输入文件的哪些部分以及哪些部分是终端输出。谢谢！ –

垃圾进入，垃圾出来;可能是因为可能的文件最有可能重复了'\ r'，无论哪种方式，这不是任何人都可以解决的。一个像Sublime Text 3（不是notepad.exe）的文本编辑器可以显示*不可见*字符。 –

表达式末尾的这个'[^ _] *？'永远不会匹配任何东西。即使它可以，它也会匹配所有的线路。 – sln

你可以尝试一些基本的诊断，

尝试这样的事情开始。

(?m-s)^(.{1,5}\(.*?\))

漏下[^_]*?因为它说，除非它有不匹配任何东西。

以上是不使用修饰符。

(?:^|\r?\n)([^\r\n]{1,5}\([^\r\n]*?\))

，或者通用版本

(?:^|\r?\n|\r)([^\r\n]{1,5}\([^\r\n]*?\))

来源

2016-06-20 19:02:34 sln

谢谢，你的最后一个建议完美的工作！ –

@JonahNeugeboren - 太棒了！如果它适合你，考虑接受（检查）和upvoting。 – sln

正则表达式返回不一致的结果在同一个字符串

回答

相关问题