Python 正则表达式格式

Question

我正在尝试使用 Python 的 re 模块匹配一些字符串，但无法正确完成。我要处理的字符串看起来像这样(示例):

XY_efgh_1234_0040_rev_2_1_NC_asdf
XY_abcd_1122Ae_1150_rev2_1_NC
XY_efgh_0124e_50_NC
asdf_1980_2234a_2
XY_abcd_5098_2270_2_1_NC
PC_bos_7659Ae_1450sp_rev_2_1_NC_GRAPH

那里的模式不是恒定的，它可能会有所不同。这对我很重要:

• 忘记字符串的开头，直到第一个数值。那不重要，我不需要这个，它应该从任何结果中删除。

• 然后总是四位数字，它们后面可以跟字母字符(最多三个)。我需要这部分，已提取。

• 然后，在一些下划线(也可能有减号)之后，是我需要的另一组数值，它总是二到四个(.. .and 后面也可能跟最多三个字母字符) .

• 在此部分之后，由更多下划线分隔，可能其他数值很重要并且属于先前的值。里面可能还有字母字符......

• 字符串的末尾可能包含类似"NC" 的内容，可能还有其他字符，这些并不重要，应该被删除。

所以，根据前面的例子，这就是我需要处理的:

('1234',   '0040_rev_2_1')
('1122Ae', '1150_rev2_1')
('0124e',  '50')
('1980',   '2234a_2')
('5098',   '2270_2_1')
('7659Ae', '1450sp_rev_2_1')

...我从来没有在 RegEx 中做过这样的 if-and-ifnot 事情，这让我发疯。到目前为止，这是我所拥有的，但这并不是我所需要的:

pattern     = re.compile(
              r"""
              ([0-9]{4}
              [A-Z]{0,3})
              [_-]{1,3}
              ([0-9]{2,4}
              [0-9A-Z_-]{0,16})
              """,
              re.IGNORECASE | 
              re.VERBOSE
              )

if re.search(pattern, string):
    print re.findall(pattern, string)

当我在最后提到的示例中使用它时，这就是我得到的:

[(u'7659Ae', u'1450sp_rev_2_1_NC_GR')]

...几乎 我需要什么 - 但我不知道如何在最后排除这个 _NC_GR ，以及这种通过计数限制字符的简单方法就是不好。

对于这种情况，有人有好的有效解决方案吗？

Answer 1

您需要使用否定先行来匹配不 后跟NC 的字符。稍微重新格式化您的正则表达式以显示分组:

pattern     = re.compile(r"""
              ( [0-9]{4} [A-Z]{0,3} )
              [_-]{1,3}
              ( [0-9]{2,4} (?:[0-9A-Z_-](?!NC))* )
              """, re.IGNORECASE | re.VERBOSE)

将 {0,16} 替换为粗体 * 量词，结果为:

>>> for match in pattern.findall(inputtext):
...     print match
... 
('1234', '0040_rev_2_1')
('1122Ae', '1150_rev2_1')
('0124e', '50')
('1980', '2234a_2')
('5098', '2270_2_1')
('7659Ae', '1450sp_rev_2_1')

所以(非捕获)组 (?:[0-9A-Z_-](?!NC)) 匹配任何数字、字母、下划线或破折号后面没有跟字符 NC。