如何为内联有序列表创建正则表达式？

Question

我有一个表单字段，其中大多数只包含内联有序列表：

1. This item may be contain characters, symbols or numbers. 2. And this item also...

以下代码不适用于用户输入验证（用户只能输入内联有序列表）：

definiton_re = re.compile(r'^(?:\d\.\s(?:.+?))+$')
validate_definiton = RegexValidator(definiton_re, _("Enter a valid 'definition' in format: 1. meaning #1, 2. meaning #2...etc"), 'invalid')

PS：这里我使用 Django 框架中的RegexValidator类来验证表单字段值。

Answer 1

这是我的解决方案。 它的工作还不错。

input = '1. List item #1, 2. List item 2, 3. List item #3.'
regex = re.compile(r'(?:^|\s)(?:\d{1,2}\.\s)(.+?)(?=(?:, \d{1,2}\.)|$)')
# Parsing.
regex.findall(input) # Result: ['List item #1', 'List item 2', 'List item #3.']
# Validation.
validate_input = RegexValidator(regex, _("Input must be in format: 1. any thing..., 2. any thing...etc"), 'invalid')
validate_input(input) # No errors.

Answer 2

来自 OP 的不错的解决方案。 为了进一步推动它，让我们做一些正则表达式优化/打高尔夫球。

(?<!\S)\d{1,2}\.\s((?:(?!,\s\d{1,2}\.),?[^,]*)+)

以下是新功能：

• (?:^|\\s)与交替之间的回溯匹配。 在这里，我们使用(?<!\\S)来断言我们不在非空白字符前面。
• \\d{1,2}\\.\\s不必在非捕获组内。
• (.+?)(?=(?:, \\d{1,2}\\.)|$)太笨重了。 我们将此位更改为：
  • (捕获组
  • (?:
  • (?!负前瞻：断言我们的位置不是：
  • ,\\s\\d{1,2}\\. 逗号、空格字符，然后是列表索引。
  • )
  • ,?[^,]*这是有趣的优化：
  • • 如果有逗号，我们匹配一个逗号。 因为我们从前瞻断言中知道这个位置不会开始一个新的列表索引。 因此，我们可以安全地假设非逗号序列的剩余位（如果有的话）与下一个元素无关，因此我们用*量词翻转它们，并且没有回溯。
  • • 这是对(.+?)的重大改进。
  • )+继续重复该组，直到否定前瞻断言失败。
  • )

您可以使用它代替另一个答案中的正则表达式，这是一个正则表达式演示！

---

不过，乍一看，在解析时使用re.split()可以更好地解决这个问题：

input = '1. List item #1, 2. List item 2, 3. List item #3.';
lines = re.split('(?:^|, )\d{1,2}\. ', input);
 # Gives ['', 'List item #1', 'List item 2', 'List item #3.']
if lines[0] == '':
  lines = lines[1:];
 # Throws away the first empty element from splitting.
print lines;

这是一个在线代码演示。

不幸的是，为了验证，您必须遵循正则表达式匹配方法，只需在楼上编译正则表达式：

regex = re.compile(r'(?<!\S)\d{1,2}\.\s((?:(?!,\s\d{1,2}\.),?[^,]*)+)')