如何在 python 中使用正则表达式查找某些单词？

Question

我正在使用 Python 中的正则表达式学习绳索。 我有以下代码：

import re

test = '"(Z101+Z102+Z1034+Z104)/4"'
regex = re.compile(r"[\(\+]([XYZ]\d\d\d)[\)\+]")
regex.findall(test)

它返回：

['Z101', 'Z104']

但是，当我将“Z101”更改为“YZ101”时：

import re

test = '"(YZ101+Z102+Z1034+Z104)/4"'
regex = re.compile(r"[\(\+]([XYZ]\d\d\d)[\)\+]")
regex.findall(test)

它返回：

['Z102', 'Z104']

目的是提取包含X 、 Y或Z后跟任意三位数的字符串。 因此，第一个代码所需的 output 将是：

['Z101', 'Z102', 'Z104']

如何修复编译并获得正确的 output？

Answer 1

左右手边界模式（ [\(\+]和[\)\+] ）正在消耗它们匹配的文本，因此不会检测到连续匹配。

您可以使用环视解决问题，

r"(?<=[(+])([XYZ]\d\d\d)(?=[)+])"
r"(?<=[(+])[XYZ]\d{3}(?=[)+])"

细节

• (?<=[(+]) - 一个正向的后视，匹配紧接在(或+之前的位置
• [XYZ] - X 、 Y或Z
• \d{3} - 三位数
• (?=[)+]) - 一个肯定的前瞻，确保在当前位置的右侧有)或+ 。

请注意单词边界\b可以在某些情况下解决问题，在这里它也可能对您有所帮助。

Answer 2

将re.findall与模式[XYZ]\d{3}\b一起使用：

test = '"(YZ101+Z102+Z1034+Z104)/4"'
matches = re.findall(r'[XYZ]\d{3}\b', test)
print(matches)  # ['Z101', 'Z102', 'Z104']

Answer 3

您的模式正在寻找：

1. '(' 或 '+'
2. 恰好是“X”、“Y”或“Z”之一
3. 正好三个数字字符
4. '(' 或 '+'

它没有选择“Z101”，因为当您添加“Y”时，substring 不会紧跟在“（”或“+”之前。

一种选择是将 1 和 4 排除在模式之外。 在这个例子中，你会得到你想要的。 该模式将是 r'[XYZ]\d\d\d'。 但是，根据您的数据，这可能会在未来产生不同的问题。

另一种选择是包含前缀字符“？”的可能性。 这 '？' 用作量词时表示“零或一”（但它也可以修改其他量词，但这是一个不同的主题）。 为此，您的模式将是 r"[(+][XYZ]?([XYZ]\d\d\d)[)+]"