提取分隔符之间具有特定长度的整数

Question

给定一个字符串列表，例如：

L = ['1759@1@83@0#1362@0.2600@25.7400@2.8600#1094@1@129.6@14.4', 
     '1356@0.4950@26.7300@2.9700', 
     '1354@1.78@35.244@3.916#1101@2@40@0#1108@2@30@0',
     '1430@1@19.35@2.15#1431@3@245.62@60.29#1074@12@385.2@58.8#1109',
     '1809@8@75.34@292.66#1816@4@24.56@95.44#1076@47@510.89@1110.61']

我需要提取分隔符 # 或 @ 之间长度为 4 的所有整数，并提取第一个和最后一个整数。没有花车。

我的解决方案有点过于复杂 - 替换为 space 然后应用解决方案：

pat = r'(?<!\S)\d{4}(?!\S)'
out = [re.findall(pat, re.sub('[#@]', ' ', x)) for x in L]
print (out)
"""
[['1759', '1362', '1094'], 
 ['1356'], 
 ['1354', '1101', '1108'], 
 ['1430', '1431', '1074', '1109'], 
 ['1809', '1816', '1076']]
"""

是否可以更改不使用 re.sub 进行替换的正则表达式？还有其他性能更好的解决方案吗？

Answer 1

要允许没有前导或尾随分隔符的第一个和最后一个出现，您可以使用负环视：

(?<![^#])\d{4}(?![^@])

(?<![^#]) 是 (?:^|#) 的 near 同义词。这同样适用于负前瞻。

看直播demo here

Answer 2

如果您考虑长度为 4 且没有开头 # 或结尾 @ 的整数，这是一个不使用正则表达式的复杂列表理解：

[[n for o in p for n in o] for p in [[[m for m in k.split("@") if m.isdigit() and str(int(m))==m and len(m) ==4] for k in j.split("#")] for j in L]]

输出 :

[['1759', '1362', '1094'], ['1356'], ['1354', '1101', '1108'], ['1430', '1431', '1074', '1109'], ['1809', '1816', '1076']]

Answer 3

有趣的问题！

这可以通过先行和后行的概念轻松解决。

输入

pattern = "(?<!\.)(?<=[#@])\d{4}|(?<!\.)\d{4}(?=[@#])"
out = [re.findall(pattern, x) for x in L]
print (out)

输出

[['1759', '1362', '1094', '1234'],
 ['1356'],
 ['1354', '1101', '1108'],
 ['1430', '1431', '1074', '1109'],
 ['1809', '1816', '1076', '1110']]

解释

上面的模式是由 |（OR 运算符）分隔的两个独立模式的组合。

pattern_1 = "(?<!\.)(?<=[#@])\d{4}"
\d{4}     --- Extract exactly 4 digits
(?<!\.)   --- The 4 digits must not be preceded by a period(.) NEGATIVE LOOKBEHIND
(?<=[#@]) --- The 4 digits must be preceded by a hashtag(#) or at(@) POSITIVE LOOKBEHIND

pattern_2 = "(?<!\.)\d{4}(?=[@#])"
\d{4}     --- Extract exactly 4 digits
(?<!\.)   --- The 4 digits must not be preceded by a period(.) NEGATIVE LOOKBEHIND
(?=[@#]   --- The 4 digits must be followed by a hashtag(#) or at(@) POSITIVE LOOKAHEAD

为了更好地理解这些概念，click here

提取分隔符之间具有特定长度的整数

Extract integers with specific length between separators

python

regex

string

findall