如何在 Python 中使用正則表達式匹配此模式

Question

我有一個帶有不同符號的名稱列表：例如：

 myList = [ab2000, abc2000_2000, AB2000, ab2000_1, ABC2000_01, AB2000_2, ABC2000_02, AB2000_A1]

這些不同符號的標准化版本是，例如：

'ab2000' is 'ABC2000'
'ab2000_1' is 'ABC2000_01'
'AB2000_A1' is 'ABC2000_A1'

我嘗試的是使用 compile 來分隔字符串的不同字符。

輸入：

compiled = re.compile(r'[A-Za-z]+|\d+|\W+')
compiled.findall("AB2000_2000_A1")

output：

characters = ['AB', '2000', '2000', 'A', '1']

然后申請：

characters = list(set(characters))

最后嘗試將該列表的值與字符串的主要組成部分進行匹配：一個字母格式，后跟一個數字格式，然后是一個字母數字格式。

但正如您在之前的 output 中看到的那樣，我無法使用 \W+ 將“A1”匹配為單個字符。 我想要的 output 是：

characters = ['AB', '2000', '2000', 'A1']

有什么辦法解決這個問題嗎？

o 任何更好的想法來解決我的一般問題。 先感謝您。

Answer 1

將以下模式與可選組和捕獲組一起使用：

r'([A-Z]+)(\d+)(?:_([A-Z\d]+))?(?:_([A-Z\d]+))?'

並re.I標記。

請注意(?:_([AZ\d]+))? 必須重復以匹配第三組和第四組。 如果您嘗試“重復”該組，將其與“*”一起放置一次，它將僅匹配最后一組，跳過第三組。

為了測試它，我運行了以下測試：

myList = ['ab2000', 'abc2000_2000', 'AB2000', 'ab2000_1', 'ABC2000_01',
    'AB2000_2', 'ABC2000_02', 'AB2000_A1', 'AB2000_2000_A1']
pat = re.compile(r'([A-Z]+)(\d+)(?:_([A-Z\d]+))?(?:_([A-Z\d]+))?', re.I)
for tt in myList:
    print(f'{tt:16} ', end=' ')
    mtch = pat.match(tt)
    if mtch:
        for it in mtch.groups():
            if it is not None:
                print(f'{it:5}', end=' ')
    print()

得到：

ab2000            ab    2000  
abc2000_2000      abc   2000  2000  
AB2000            AB    2000  
ab2000_1          ab    2000  1     
ABC2000_01        ABC   2000  01    
AB2000_2          AB    2000  2     
ABC2000_02        ABC   2000  02    
AB2000_A1         AB    2000  A1    
AB2000_2000_A1    AB    2000  2000  A1