Início / coding / Perguntas / 78575645
Accepted
IzaeDA
Asked: 2024-06-04 21:17:25 +0800 CST

Python re, extraia o caminho do texto

  • 772

Recebo uma mensagem como:

`D:\Programming\sit\bin\MyLab.json`

Pode conter diferentes tipos de citações ou não. As citações, se presentes, são colocadas estritamente no início e no final do texto, envolvendo o caminho. Mas o texto definitivamente contém o caminho absoluto do Windows para um arquivo. Mas este arquivo também pode estar ausente. Estou lutando para escrever um algoritmo que extraia o caminho.

Eu tentei regex como:

re.findall(r'[a-zA-Z]:\\((?:[a-zA-Z0-9() ]*\\)*).*', a)

mas eu recebo:

['Programming\\sit\\bin\\']

Mas espero obter uma string com um caminho como:

D:\Programming\sit\bin\MyLab.json
python

3 respostas

  1. Você colocou o grupo de captura no lugar errado. Regex ([a-zA-Z]:\\(?:[\w ]*\\)*[\w \.]*) funciona no seu exemplo .

    No entanto, extrair o caminho usando este método é uma má ideia, pois o conjunto de caracteres válido para nomes de arquivos é grande. Você pode analisar seu arquivo de uma maneira diferente.

    • 1
  2. Best Answer

    Isso é apenas uma ideia, mas se você tiver certeza de que o caminho sempre será um caminho absoluto do Windows e que as aspas (se presentes) sempre corresponderão, talvez não seja necessário usar Regex? Em vez disso, apenas verifique se o primeiro caractere é um alfabeto (a letra do volume) e retire o primeiro e o último caractere, se não for. Algo como:

    import string


def normalize_windows_path(a: str) -> str:
    if a[0] in string.ascii_letters:
        return a
    else:
        return a[1:-1]
    • 1

  3. Eu faria isso de maneira diferente e tentaria retornar uma pathlibinstância conforme sugerido em um comentário

    EDIT: esta é realmente uma versão mais cuidadosa da resposta agora aceita , que pode ser mais ou menos desejável dependendo do seu caso de uso

    from pathlib import WindowsPath, PureWindowsPath
from string import ascii_letters

def regularize_windows_path(path_str):
    """ returns a pure or WindowsPath and whether the file exists
        in the case of a non-windows platform, exists is always None
    """
    if len(path_str) < 4 or not re.match(r"^.?[a-zA-Z]:", path_str):
        raise ValueError(r"expected an absolute string of a form like x:\path")
    # slice unmatched quotes
    if path_str[0] not in ascii_letters:
        if path_str[0] != path_str[-1]:
            raise ValueError(f"unmatched quotes: ({path_str[0]}) ({path_str[-1]})")
        path_str = path_str[1:-1]

    # platform detect
    try:
        p = WindowsPath(path_str)
    except NotImplementedError:  # non-windows system
        return PureWindowsPath(path_str), None
    return p, p.exists()
    • 0

relate perguntas