regex - 查找至少包含一组的所有子串

Question

我试图在一个字符串中找到所有满足条件的子串。

假设我们有字符串:

s = 'some text 1a 2a 3 xx sometext 1b yyy some text 2b.'

我需要应用搜索模式{(一个(词组)，二(另一组词)，三(另一组词))，词}。前三个位置是可选的，但至少应该有一个。如果是这样，我需要在他们之后说几句话。输出应该是:

2a  1a  3 xx
1b  yyy
2b 

我写了这个表达式:

find_it = re.compile(r"((?P<one>\b1a\s|\b1b\s)|" +
                    r"(?P<two>\b2a\s|\b2b\s)|" +
                    r"(?P<three>\b3\s|\b3b\s))+" +
                    r"(?P<word>\w+)?")

每组包含一组或不同的单词(不是 1a、1b)。而且我不能将它们混为一团。如果组为空，它应该是 None。显然结果是错误的。

find_it.findall(s)
> 2a  1a  2a   3 xx
> 1b  1b    yyy

非常感谢您的帮助!

Answer 1

您可以使用以下正则表达式:

>>> reg=re.compile('((?:(?:[12][ab]|3b?)\s?)+(?:\w+|\.))')
>>> reg.findall(s)
['1a 2a 3 xx', '1b yyy', '2b.']

在这里，我只是使用字符类和修饰符 ? 来简化您的正则表达式。以下正则表达式包含 2 部分:

[12][ab]|3b?

[12][ab] 将匹配 1a、1b、2a、2b 和 3b? 将匹配 3b 和 3。

如果您不想要 2b 末尾的点，您可以使用以下正则表达式 positive look ahead这比前面的正则表达式更通用(因为使 \s 可选在第一组中不是一个好主意):

>>> reg=re.compile('((?:(?:[12][ab]|3b?)\s)+\w+|(?:(?:[12][ab]|3b?))+(?=\.|$))')
>>> reg.findall(s)
['1a 2a 3 xx', '1b yyy', '2b']

此外，如果您的数字和示例子字符串只是实例，您可以使用 [0-9][a-z] 作为通用正则表达式:

>>> reg=re.compile('((?:[0-9][a-z]?\s)+\w+|(?:[0-9][a-z]?)+(?=\.|$))')
>>> reg.findall(s)
['1a 2a 3 xx', '1b yyy', '5h 9 7y examole', '2b']