Python展望正則表達式

Question

s = u'A．anycontentfollowedbyB．anycontentanylengthC．anycontentD．anycontent'
ExpectResult = [u'A．anycontentfollowedby', u'B．anycontentanylength', u'C．anycontent', u'D．anycontent']

我有這樣的unistr。 我需要將這些選項分隔為四個不同的子字符串，這些子字符串以A.，B.，C.，D。（。不是點，這是一個特殊字符）開頭。 如何達到預期的效果？ 感謝大家！！ ABCD選項來自多項選擇題。 最多四個選項沒有EFGH ...等，但可能只是一兩個選項，例如僅A.或A.，B。

Answer 1

您犯了一些錯誤。

您應該決定-將使用正則表達式組進行讀取還是拆分。 你迷路了。

它是第一個變體-尋找您的特殊圓點。 您應該使用特殊的點，然后使用-普通點，后跟+，這表示您要查找的字符串。

A.(.+)B.(.+)C.(.+)D.(.+)  // read groups by that regex

如果您需要這些A.並且也可以找到東西，請使用：

(A..+)(B..+)(C..+)(D..+) 
or
u'(A..+)',u'(B..+)',u'(C..+)',u'(D..+)' 

，如果您需要這些u'...',結構。

如果您需要第二種情況（拆分）-拆分中的前瞻是毫無意義的。 拆分子字符串的正則表達式應該簡單得多：

'[A-D]．'   // use your special dot here

就這些。 確實，我不喜歡第二個變體，因為您不能確定您沒有將aaaB.bbbC.ccc這一行讀為正確的行。 並且您擁有aaa子字符串而沒有A. 而在第一個變體中，您知道第一組來自A.，第二組-來自B.，依此類推。

Answer 2

您不需要在這里向前看。 “ +”-必須轉義，因為它是特殊符號：

>>> re.findall('[A-Z]．\+\d', str)
['A．+4', 'B．+5', 'C．+6', 'D．+7']

並且不要將變量命名為“ str”

更新＃1：最好在開始時澄清所有內容。 因此，這是一個新的答案，更加復雜（我首先離開只是為了理解和歷史）：

>>> s = u'A．anycontentfollowedbyB．anycontentanylengthC．anycontentD．anycontent'    
>>> re.findall('.+?(?=[A-D]．|$)',s)
['A．anycontentfollowedby', 'B．anycontentanylength', 'C．anycontent', 'D．anycontent']

簡要說明：

• （？= [AD]。| $）-向前看'A．' “ B．”等或行尾（$）
• 。+？ -前瞻符號之前的所有符號都匹配，但不是貪婪（？）。 這意味着它將在第一場比賽之前找到，直到最后一場比賽為止。

Answer 3

您可以嘗試以下方法：

import re
s = u'A．+4B．+5C．+6D．+7'

data = [i for i in re.findall('.{4}', s)]

輸出：

[u'A\uff0e+4', u'B\uff0e+5', u'C\uff0e+6', u'D\uff0e+7']

Answer 4

首先，請注意'．' 在您的字符串中是單個代碼點。 假設您沒有兩個ascii字符：

s = u'A．+4B．+5C．+6D．+7'
print repr(s)
# u'A\uff0e+4B\uff0e+5C\uff0e+6D\uff0e+7'

在構建模式時，您應該考慮以下幾點：

pattern = ur'[^\d]+．\+\d'
print repr(pattern)
# u'[^\\d]+\uff0e\\+\\d'

此外，您將在前瞻性上分割字符，因此除非使用分組括號，否則該字符將不包括在分割中，但是使用re.split將字符分隔在結果中。 您最好使用re.findall ：

print re.findall(pattern, s)
# [u'A\uff0e+4', u'B\uff0e+5', u'C\uff0e+6', u'D\uff0e+7']

Answer 5

我敢肯定會有比我在這里編碼更好的選擇，但是它將給您一些解決問題的提示。

您有兩種選擇可獲得理想的結果。 假設您的測試字符串

1）使用re.findall

result = re.findall(r"([a-d].*?\d)", data, re.IGNORECASE)
print(result)

2）通過分割字符串

import re
data = r"A. +4B．+5C．+6D．+7"
result = [x for x in re.split(r"([a-d].*?\d)", data, 0, re.IGNORECASE) if x != '']
print(result)

輸出為['A. +4', 'B．+5', 'C．+6', 'D．+7'] ['A. +4', 'B．+5', 'C．+6', 'D．+7']

在repl.it上觀看現場演示