如何在 Python 中使用正则表达式匹配此模式

Question

我有一个带有不同符号的名字列表：例如：

 myList = [ab2000, abc2000_2000, AB2000, ab2000_1, ABC2000_01, AB2000_2, ABC2000_02, AB2000_A1]

这些不同符号的标准化版本是，例如：

'ab2000' is 'ABC2000'
'ab2000_1' is 'ABC2000_01'
'AB2000_A1' is 'ABC2000_A1'

我尝试的是使用编译来分隔字符串的不同字符。

输入：

compiled = re.compile(r'[A-Za-z]+|\d+|\W+')
compiled.findall("AB2000_2000_A1")

输出：

characters = ['AB', '2000', '2000', 'A', '1']

然后申请：

characters = list(set(characters))

最终尝试将该列表的值与字符串的主要组成部分相匹配：字母格式后跟数字格式后跟字母数字格式。

但是正如您在前面的输出中看到的那样，我无法使用 \W+ 将 'A1' 匹配到单个字符中。我想要的输出是：

characters = ['AB', '2000', '2000', 'A1']

有解决办法吗？

o 总体上解决我的问题的更好主意。提前谢谢你。

Answer 1

对可选组和捕获组使用以下模式：

r'([A-Z]+)(\d+)(?:_([A-Z\d]+))?(?:_([A-Z\d]+))?'

和re.I标志。

请注意，必须重复 (?:_([A-Z\d]+))? 才能匹配两者第三组和第四组。如果你试图“重复”这个组，把它一旦用“*”它只会匹配最后一组，跳过第三组组.

为了测试它，我运行进行了以下测试：

myList = ['ab2000', 'abc2000_2000', 'AB2000', 'ab2000_1', 'ABC2000_01',
    'AB2000_2', 'ABC2000_02', 'AB2000_A1', 'AB2000_2000_A1']
pat = re.compile(r'([A-Z]+)(\d+)(?:_([A-Z\d]+))?(?:_([A-Z\d]+))?', re.I)
for tt in myList:
    print(f'{tt:16} ', end=' ')
    mtch = pat.match(tt)
    if mtch:
        for it in mtch.groups():
            if it is not None:
                print(f'{it:5}', end=' ')
    print()

得到：

ab2000            ab    2000  
abc2000_2000      abc   2000  2000  
AB2000            AB    2000  
ab2000_1          ab    2000  1     
ABC2000_01        ABC   2000  01    
AB2000_2          AB    2000  2     
ABC2000_02        ABC   2000  02    
AB2000_A1         AB    2000  A1    
AB2000_2000_A1    AB    2000  2000  A1

如何在 Python 中使用正则表达式匹配此模式

How to match this pattern using regex in Python

python

regex

python-re