Python笔记之re.search()

最近有学习到 正则表达式，有一点收获，分享一下；

re.search()

情景A

某需求中 银行流水的description字段值是我们财务同事来填写的，我想给这条流水来匹配某些关键字，咋搞？

我最初的思路就是 description字段值.find(关键字)；
管你三七二十一，find()的结果 非-1，就代表能找到；

加深一点，如果某些关键字 如下图

onnqor&SYAFTRACO 这个关键字， & 不是内容，是and ; 整个关键字 实际理解为 【onnqor 某些内容 SYAFTRACO】；
故不能用find()；

    def find_str(self, description, keyword):
        """
        非标匹配
        :param description:
        :param keyword:
        :return:
        """

        # 会先进行普通规则匹配【匹配时 不改变description】，匹配失败才会进行正则匹配
        desc = description.replace(' ', '')
        # 实际非标匹配是有 & 和 ...
        k_str = keyword.replace('&', '.*').replace('...', '.*')

        if (re.search(k_str, desc)) is not None:
            Log.info('当前元素 {}，正则匹配成功 {}'.format(description, keyword))

情景B

假设 某银行流水的details字段的 ref_no 是我们财务同事来填写的，要来匹配某些规则（前缀为某关键字 + 结尾为12位数字【年月日 8位数字+4位编号】），流水的details字段值 如下图 【为了不泄密，就是这样的啦】

    def check_json(self, j):
        try:
            json.loads(j)
            return True
        except BaseException:
            return False

    def find_str_2(self, data_list):
        zz_1 = re.compile('^{"')
        zz_2 = re.compile('\d{12}$')
        for data in data_list:
            detail = data[-1]
            if detail is not None and zz_1.search(detail) is not None and self.check_json(
                    detail) is True and ('ref_no' in json.loads(detail).keys()) is True:

                reference = json.loads(detail)['ref_no']
                # Log.info(reference)

                yuanzu = ('探亲', '出差', '薪资（CN）', 'zyooooxie', 'csdn')

                if reference is not None and reference.startswith(yuanzu) is True and zz_2.search(reference.strip()) is not None:
                    Log.info('将进行匹配')

变量yuanzu 代表了 所有的前缀关键字；
而结尾的12位数字，应该要再优化下【思路是 写死 年月日的取值范围，从20200101开始】

    def end_search(self, reference):
        """
        编号的日期 是 20200101开始，后四位为 全数字
        :return:
        """
        zz_2 = re.compile(r'\d{12}$')
        print(zz_2.search(reference), '优化前')
        test_str = '(20[2-9]\d|[3-9]\d{3}|2[1-9]\d{2})(0[1-9]|1[1-2])(0[1-9]|[1-2]\d|3[0-1])\d{4}$'           # 年份大于等于2020，小于等于9999
        zz_2_new = re.compile(test_str)
        print(zz_2_new.search(reference), '优化后')

好像不错呦；

但 我传 20200431（4月没有31号），用上面的正则 是校验不出来的；

说起来 每月的天数 30or31or29or28，校验是很复杂的 （如2月29 -> 闰年的’四年一闰，百年不闰，四百年再闰’ ），我只能 再写个校验日期的方法 = = （实际原因：正则表达式，我实在是太菜，搞不定）

    def check_date(self, reference, zz_2_new):
        # test_str = '(20[2-9]\d|[3-9]\d{3}|2[1-9]\d{2})(0[1-9]|1[1-2])(0[1-9]|[1-2]\d|3[0-1])\d{4}$'           # 年份大于等于2020，小于等于9999
        # zz_2_new = re.compile(test_str)
        if zz_2_new.search(reference) is None:
            return False
        else:
            result = zz_2_new.search(reference).group()
            check_date = result[0:8]
            check_month = result[0:6]
            f_l = self.month_first_last('-'.join([check_month[0:4], check_month[4:]]))

            check_date = '-'.join([check_date[0:4], check_date[4:6], check_date[6:]])

            try:
                assert check_date in self.date_list(f_l[0], f_l[1])
                return True
            except AssertionError:
                return False

定义yuanzu变量后 代码改为：

	# 前面的zz_2
	test_str = '(20[2-9]\d|[3-9]\d{3}|2[1-9]\d{2})(0[1-9]|1[1-2])(0[1-9]|[1-2]\d|3[0-1])\d{4}$'  # 年份大于等于2020，小于等于9999
	zz_2 = re.compile(test_str)
	
	yuanzu = ('探亲', '出差', '薪资（CN）', 'zyooooxie', 'csdn')

	if reference is not None and reference.startswith(yuanzu) is True and self.check_date(reference.strip(), zz_2) is True:
		pass			# 以下省略

实际的困境

以上 是我写的匹配过程，但我们后台的思路更粗暴：直接把reference的字段值 扔到某个库表去匹配all结果，匹配上，就ok；匹配不上，匹配结束；

实际很不符合需求！

产品小姐姐 定的需求是 匹配前先检查reference是否符合这一类规则，符合就走这一类匹配，不然就走 情景A说的关键字匹配；只是 季度末赶时间交付，产品大佬 又改需求，so 我也得改成这样粗暴匹配；

来到这儿，就得考虑实际库表的记录数量，之前分享过：Python的dict来处理大数据量对账 ，故 把 库表all值 某个字段做成dict

    def oa_table_llbh_dict(self):
        new_data = self.OA_VALUE()
        # Log.info(new_data)
        
        new = [i[0] for i in new_data]
        
        new_dict = dict.fromkeys(new, True)
        # Log.info(new_dict)
        return new_dict

这样的情景下，代码变成：

	yuanzu = ('探亲', '出差', '薪资（CN）', 'zyooooxie', 'csdn')
    if (reference.strip() if reference is not None else reference) in self.oa_table_llbh_dict().keys():
	    pass			# 以下省略

情景C

情景：某文件夹内，有很多Excel、CSV文件，其中CSV都是相关Excel转换来的【假设名称完全一样，除了格式不同】；我想知道某个Excel有没有转换成CSV文件，咋整？

思路好像就是： 列出整个文件夹的内容，进行查找，若找到就return，找不到就拉倒；

    def find_excel_csv(self, file):
        import os
        import re
        os.chdir(os.path.dirname(file))
        # Log.info(file)
        # Log.info(os.getcwd())

        all_file = os.listdir('.')
        Log.info(all_file)
        
        file_csv = '^{}.*.csv$'.format(os.path.basename(file)[:-5])
        Log.info(file_csv)

        for a in all_file:
            if re.search(file_csv, a) is not None:
                Log.info('找到了')
                Log.info(a)
                return a

上面的 for某循环 if某条件，可以直接写成 列表生成式 【或是 列表推导式，列表解析式】 之前有说到 ：Python 笔记【一】列表生成式

    def find_csv(self, file):
        import os
        os.chdir(os.path.dirname(file))

        all_file = os.listdir('.')
        file_csv = '^{}.*.csv$'.format(os.path.basename(file)[:-5])
        Log.info(file_csv)

        ele = [a for a in all_file if re.search(file_csv, a) is not None]
        if len(ele) != 0:
            Log.info('找到了')
            new_file = ele[0]
            Log.info(new_file)

        else:
            Log.info('整个文件夹没有相关的CSV文件')

交流技术 欢迎+QQ 153132336 zy
个人博客 https://blog.csdn.net/zyooooxie