python regex-可选匹配

Question

我有一堆串这种味道的东西：

#q1_a1
#q7

基本上＃是必须忽略的符号。 ＃后面是单字母字母和一些数字。 可选地，可以在_ （下划线）后跟随一些字母+数字的组合。

这是我想出的：

>>> pat = re.compile(r"#(.*)_?(.+)?")
>>> pat.match('#q1').groups()
('q1', None)

问题是#q1_a1格式的字符串。 当我将我制作的东西应用于这样的字符串时：

>>> pat.findall('#q1_f1')
[('q1_f1', '')]

有什么建议么？

Answer 1

正如其他人所说，您的正则表达式越具体，匹配不该匹配的内容的可能性就越小：

In [13]: re.match(r'#([A-Za-z][0-9])(?:_([A-Za-z][0-9]))?', '#q1_a1').groups()
Out[13]: ('q1', 'a1')

In [14]: re.match(r'#([A-Za-z][0-9])(?:_([A-Za-z][0-9]))?', '#q1').groups()
Out[14]: ('q1', None)

笔记：

1. 如果只需要匹配整个字符串，则用^和$包围正则表达式。
2. 您说“一些数字”，但是您的示例仅包含一个数字。 如果您的正则表达式需要接受多个数字，请将[0-9]更改为[0-9]+ 。

Answer 2

您的“。*”匹配项也带有下划线，因为匹配项很贪心。 更好地创建更具体的正则表达式，以将下划线排除在第一组之外。

正确的正则表达式可能如下所示：

#([a-z][0-9])_?([a-z][0-9])?

但您需要检查它是否适用于您期望的所有数据。

附言 在正则表达式中更具体一些会更好，因为您的假阳性更少。

Answer 3

当您使用.* ，它会尽可能地贪婪地匹配。 尝试：

>>> pat = re.compile(r"#([^_]*)_?(.+)?")
>>> pat.findall('#q1_f1')
[('q1', 'f1')]

同样，最好写一个更具体的表达式：

#([a-z][0-9])(?:_([a-z][0-9]))?

Answer 4

一个不使用正则表达式的简单替代方法：

s = '#q7'
print s[1:].split('_')
# ['q7']

s = '#q1_a1'
print s[1:].split('_')
# ['q1', 'a1']

假设所有字符串都以#开头。 如果不是这种情况，那么您可以轻松地进行一些验证：

s = '#q1_a1'
if s.startswith('#'):
    print s[1:].split('_')
# ['q1', 'a1]

s = 'q1_a1'
if s.startswith('#'):
    print s[1:].split('_')  # Nothing is printed