python - 需要一个 Goldilocks 正则表达式模式 - 不要太贪婪也不要太自私

Question

我有一组字符串可能看起来像这样:

lines_ = ["04/04      1,000.00    Some word132:11bdkljas     14235262634235",
          "04/04        500.00    A simpler phrase           19058453049854",
          "04/04  1,000,000.00    Apply//erklj//1324:123"]

我正在尝试编写一个正则表达式来提取字符串的前三个“元素”。我意识到基于这个例子，我可以简单地使用 re.split("\s{2,}") 然后只抓取前三个元素，但我不能保证输入总是会有两个或更多的空间来分隔我想要的部分。所以我宁愿有一个更强大的正则表达式来捕获它。

我试过用这个:

r"(\d{2}/\d{2})\s+([\d,]+\.\d\d)\s+(.+)(\s+\d+)"

这适用于前两个元素，但不适用于第三个元素，因为那里没有数字集。然后我将其调整为:

r"(\d{2}/\d{2})\s+([\d,]+\.\d\d)\s+(.+)(\s+\d+)?"

这适用于第三个元素，但对于前两个元素，它包括第四个元素作为第三个元素的一部分。所以我进一步调整它看起来像这样:

r"(\d{2}/\d{2})\s+([\d,]+\.\d\d)\s+(.+?)(\s+\d+)?"

认为 (.+) 中的 ? 会使它不那么贪婪并且不会吞噬最后一个元素。相反，它给了我第三个元素中第一个单词的第一个字母，仅此而已。

我希望得到的结果是如下所示的输出:

groups_ = [("04/04", "1,000.00", "Some word132:11bdkljas"),
           ("04/04", "500.00", "A simpler phrase"),
           ("04/04", "1,000,000.00", "Apply//erklj//1324:123")]

任何关于我在正则表达式中遗漏的建议都将不胜感激。

Answer 1

将此模式与 mg 选项一起使用

(\d{2}/\d{2})\s+([\d,]+\.\d\d)\s+(.+?)(?:\s+(\d+)|,|$)  

Demo