Python re 匹配中文数字混合字符串 掉坑了

[Northxw]

  要匹配的字符串，例如：‘请激活您的集思网账户 发件人 ：OpinionWorld 集思网 时间：2019 年 3 月 9 日 19:57 (星期六)’

  要求：匹配 "请激活您的集思网账户", "OpinionWorld 集思网", "2019 年 3 月 9 日 19:57 (星期六)" 这三处有效信息，但是测试屡败，以前也没想过匹配中文....

那，这个正则表达式该怎么写啊，虚心求教 T_T ！

[krixaar]

如果“发件人：”和“时间：”是固定存在的，直接按这俩匹配出三个.+就行了吧……

[Northxw]

@krixaar 貌似不行的，我用最基本的.*?, .*也是获取不到

[ctro15547]

如果只是固定的这一句话，用空格做分隔符，列表再切一下，拼起来不就完事了。。

[delectate]

>>> str
'请激活您的集思网账户 发件人 ：OpinionWorld 集思网 时间：2019 年 3 月 9 日 19:57 (星期六)'
>>> re.findall(r'(.*?) 发件人 ：(.*?) 时间：(.*?$)', str)
[('请激活您的集思网账户', 'OpinionWorld 集思网', '2019 年 3 月 9 日 19:57 (星期六)')]

[Northxw]

@ctro15547 没错，split 大法好。但是我初衷是拿 re 匹配，既然遇到这个问题了，就想解决一下啊 T_T

[CloudMx]

\u8bf7\u6fc0\u6d3b\u60a8[^。]+

[CloudMx]

@CloudMx 如果是这样结尾：请激活您的集思网账户 发件人 ：OpinionWorld 集思网 时间：2019 年 3 月 9 日 19:57 (星期六)。

[firejoke]

@Northxw py2 吗?改一下被匹配对象的编码试试

[Northxw]

@delectate 兄 dei, 可以的啊。为什么添加 r 就可以匹配到了呢？ 求解答

[Northxw]

@firejoke py3, 不是编码，但是有看到别人全部转换成 unicode 去匹配，我没有尝试

[Northxw]

@CloudMx 谢谢你啦，就单纯匹配上面我的要求信息。

[imlinhanchao]

@Northxw 如果你的 str 是 unicode 格式，那麽你的正則要加上 u：ur'(.*?) 发件人 ：(.*?) 时间：(.*?$)'

[Northxw]

@imlinhanchao 不是 Unicode, 单纯中文字符，网页上一般是 UTF8。

[CloudMx]

\u8bf7\u6fc0\u6d3b\u60a8(.)+\)

[weixuan]

4L 给出了答案，不用 r 前缀他的表达式也可以解决你的这个问题，你给的字符串没有涉及到转义的，使用 r 前缀就不用考虑转义的问题，因为 Python 的字符串本身也用\转义。比如 'ABC\\-001' ，对应的正则表达式字符串是'ABC\-001'，使用 r'ABC\-001'，对应的正则表达式字符串就是'ABC\-001'不变。

[CloudMx]

请激活.+\) Python2 HTML-->UTF-8

[Northxw]

@weixuan 谢谢啦

[Northxw]

@CloudMx ？？？

[freakxx]

.*(?=\s 发件人)|(?<=发件人\s(:|：)).*(?=\s 时间)|(?<=时间(:|：)).*

不过需要看具体文本再看怎么写，可能前面还附带东西或者后面

习惯写大概这样
compiles = [
.*(?=\s 发件人)
(?<=发件人\s(:|：)).*(?=\s 时间)
(?<=时间(:|：)).*
]

compiles = "|".join(compiles)

[CloudMx]

@Northxw 没啥。正则：请激活.+\)，使用 PY2，HTML 编码为 UTF-8，测试通过。。

[delectate]

@freakxx 这个地方用断言，大材小用了。

[TimePPT]

要是这玩意本身就是邮件，建议直接读邮件头

[Northxw]

@freakxx 断言是啥我都不知道，但是谢谢你

@TimePPT 这玩意本身就不是邮件，哈哈，是邮件的节点的属性值。

@CloudMx OKK, 我用的 py3, 不过还是谢谢你

[TimePPT]

@Northxw 了解……