正则表达式捕获包含在其他字符中的列表中的数字

Question

嘿，

所以，我有以下字符串(我删除了很多数字，因为我们不需要它们):

编辑:见下文

text = """
<--
first+second=?

first:
146,399,163,403,170,379,147,394,146,399

second:
156,141,136,156,136

-->"""

我正在尝试找到一种方法来捕获列表中的第一个数字和另一个列表中的第二个数字(使用 python，re.findall())。所以我的目标是让python返回一个这样的列表(对于“first:”和“second:”之间的“first”列表:

[146, 399, 163, 403,170,379,147,394,146,399]

不幸的是，我没有设法创建一个正则表达式来捕获用逗号/换行符括起来的一组数字，它们本身被包含在第一个和第二个(或其他)中。这样做时，我只能设法捕获我使用的边界内的第一组或最后一组数字。

这是我使用的错误表达之一。我已经尝试了很多其他方法，并在捕获组和其他东西上使用了量词，但我似乎无法做到正确。

first:.+(\d{2,3}).+second:

我知道首先捕获完整列表并将其拆分会更容易，但我想更好地理解正则表达式，因此我坚持使用它。

---

编辑:对不起...我应该添加更多的初始字符串，我缩短了太多。问题是，列表分为几行，就像这样(但仍然缩短了):

text = """
<!--
first:
146,399,163,403,170,393,169,391,166,386,170,381,170,371,170,355,169,346,167,335,170,329,170,320,170,
310,171,301,173,290,178,289,182,287,188,286,190,286,192,291,194,296,195,305,194,307,191,312,190,316,
332,155,348,156,353,153,366,149,379,147,394,146,399

second:
156,141,165,135,169,131,176,130,187,134,191,140,191,146,186,150,179,155,175,157,168,157,163,157,159,
77,155,81,148,87,140,96,138,105,141,110,136,111,126,113,129,118,117,128,114,137,115,146,114,155,115,
158,121,157,128,156,134,157,136,156,136
-->
""""

Answer 1

注意 - 在本次编辑中，知识渊博的用户提供了一些答案，但到目前为止，这似乎是唯一一个用一行代码来回答您的问题的答案。

你可以试试这个说法:

x = re.findall(r'(\w+?):\s+((?:\d+,?)+)', text)

当 x 被打印时返回以下数组:

[('first', '146,399,163,403,170,379,147,394,146,399'), ('second', '156,141,136,156,136')]

解释-

这个正则表达式不仅可以像您的问题状态那样找到第一个和第二个，而且如果您的代码在任何时间点包含，说:

third:
123, 124, 12, 1

或者类似的东西，正则表达式甚至可以匹配。

x 返回一个包含两个元组的数组 - 每个元组都有第一个元素作为名称，即 first、second 等等，而每个第二个元素都是实际的数字字符串。

正则表达式字符串开头的 r 表明它是一个原始字符串，基本上放弃了那些讨厌的双反斜杠。
(\w+?) 是第 1 组，它匹配 first、second 等数字之前的文本，甚至您的示例输入包含的其他文本它。
: 表示 first 或 second 之类的文字后面会跟一个冒号，
\s+ 匹配一个或多个空格(在这种情况下，甚至是换行符)
((?:\d+,?)+) 是包含实际数字字符串的第二组
(?:\d+,?) 是一个非捕获组，它告诉正则表达式匹配一个或多个数字(可能后跟逗号)，并且 + 在非捕获组之后表示该序列将重复一次或多次。

---

哦，还有一件事 -

要访问所需的匹配项 - 无论是标签 first、second 等还是它们各自的数字，您都可以使用:

for match in x:
    print(match[0])
    print(match[1])
    print()

本质上，match 是包含 [0] 处的标签和 [1]

处的数字的元组

---

编辑 1 -

要捕获您最近指定的多行数字，您可以简单地将 \n? 添加到您的正则表达式中，如下所示:

x = re.findall(r'(\w+?):\s+((?:\d+,?\n?)+)', text)

与旁边的可选空格匹配。但是，有一个问题:打印时，match[1] 看起来像:

146,399,163,403,170,393,169,391,166,386,170,381,170,371,170,355,169,346,167,335,170,329,170,320,170,
310,171,301,173,290,178,289,182,287,188,286,190,286,192,291,194,296,195,305,194,307,191,312,190,316,
332,155,348,156,353,153,366,149,379,147,394,146,399,1111

但是match本身看起来是这样的:

('first', '146,399,163,403,170,393,169,391,166,386,170,381,170,371,170,355,169,346,167,335,170,329,170,320,170,\n310,171,301,173,290,178,289,182,287,188,286,190,286,192,291,194,296,195,305,194,307,191,312,190,316,\n332,155,348,156,353,153,366,149,379,147,394,146,399,1111\n')

对于x的第一个元素。

请注意匹配中存在物理 \n，这会干扰您想要进行的任何算术计算。