与this question类似,我有一串由冒号分隔的名称和数字:
s = 'Waz D: 5 l gu l: 5 GrinVe: 3 P LUK: 2 Cubbi: 1 2 nd dok: 1 maf 74: 1 abr12: 1 Waza D 5'
我试图将其拆分为:
('Waz D', '5'),
('l gu l', '5'),
('GrinVe', '3'),
('P LUK', '2'),
('Cubbi', '1'),
('2 nd dok', '1')
('maf 74', '1')
('abr12', '1')
到目前为止,我尝试了两个正则表达式并取得了成功
re.findall(r"(.*?)[a-zA-Z0-9]+: (\d+)*", s)
[('Waz ', '5'),
(' l gu ', '5'),
(' ', '3'),
(' P ', '2'),
(' ', '1'),
(' 2 nd ', '1'),
(' maf ', '1'),
(' ', '1')]
和:
re.findall(r"(.*?)([a-zA-Z0-9]+): (\d+)*", s)
[('Waz ', 'D', '5'),
(' l gu ', 'l', '5'),
(' ', 'GrinVe', '3'),
(' P ', 'LUK', '2'),
(' ', 'Cubbi', '1'),
(' 2 nd ', 'dok', '1'),
(' maf ', '74', '1'),
(' ', 'abr12', '1')]
如何调整此项以获得我之后的输出?
它归结为分裂组合: \d
,没有别的(除了抑制领先和跟随空格在这里和那里)。它需要的是一组任何长度,不包含冒号:
,然后是冒号,然后是一个数字。
import re
s = 'Waz D: 5 l gu l: 5 GrinVe: 3 P LUK: 2 Cubbi: 1 2 nd dok: 1 maf 74: 1 abr12: 1 Waza D 5'
print (re.findall(r'([^:]+):\s*(\d+)\s+', s))
结果:
[('Waz D', '5'),
('l gu l', '5'),
('GrinVe', '3'),
('P LUK', '2'),
('Cubbi', '1'),
('2 nd dok', '1'),
('maf 74', '1'),
('abr12', '1')]
贪婪地消耗空格,不要将它放入匹配的组中。
>>> import re
>>> s = 'Waz D: 5 l gu l: 5 GrinVe: 3 P LUK: 2 Cubbi: 1 2 nd dok: 1 maf 74: 1 abr12: 1 Waza D 5'
>>>
>>> re.findall('([^:]+?):\s*(\d+)\s*', s)
[('Waz D', '5'), ('l gu l', '5'), ('GrinVe', '3'), ('P LUK', '2'), ('Cubbi', '1'), ('2 nd dok', '1'), ('maf 74', '1'), ('abr12', '1')]
如果我们假设字符串后面跟着一个分号空格数字空格序列,你可以这样做:
re.findall(r"(.+?):\s(\d+)\s", s)
[('Waz D', '5'),
('l gu l', '5'),
('GrinVe', '3'),
('P LUK', '2'),
('Cubbi', '1'),
('2 nd dok', '1'),
('maf 74', '1'),
('abr12', '1')]
您可以匹配空白字符的零次或多次,然后使用否定的字符类([^:]+)
捕获组而不是冒号。
然后匹配一个冒号,零个或多个空白字符\s*
并捕获一组或多组数字(\d+)
在您的示例中,名称通常从一个字母开始,但在1个案例中 - 从一个数字开始。
所以第一个捕获组,名称应该:
[a-z\d]
开始(最后记得re.I
旗帜),[^:]*
- 除了:
之外的一系列字符。你的解决方案([a-zA-Z0-9]+
)是错误的,因为名称可以包含空格。
匹配数字的第二组很简单 - 只是\d+
。
在这两组之间应该有:\s*
- 一个冒号和一系列白色字符。
该代码包含对re.findall
的单个调用,如下所示:
re.findall(r"([a-z\d][^:]*):\s*(\d+)", s, flags=re.I)
但我对你的样本中的Cubbi: 1 2
表示怀疑。 2
真的应该成为下一个名字的一部分吗?
如果没有,请考虑将正则表达式更改为:([a-z][^:]*):\s*(\d+(?: \d+)?)
。区别:
(?: \d+)?
。然后1 2
将成为Cubbi的“数字”,下一个名字将从“nd”开始。
那么样品末尾的Waza D 5
呢?你忘了把结肠放在5
之前吗?
我在Waza D之后添加了一个':'因为我认为应该有(我认为这是一个错字,因为规则应该是name:number)。对我来说,模式是一个以字母开头的名称,后跟其他字母/数字和空格,直到:空格和数字。
s = 'Waz D: 5 l gu l: 5 GrinVe: 3 P LUK: 2 Cubbi: 1 2 nd dok: 1 maf 74: 1 abr12: 1 Waza D: 5'
import re
# \w find something starting with a letter
# [\w\s]+ followed by any number of letter and space
# : followed by a :
# \s[0-9] and a space and a number
x = re.findall(r"\w[\w\s]+:\s[0-9]", s)
print(*x, sep="\n")
产量
Waz D: 5
l gu l: 5
GrinVe: 3
P LUK: 2
Cubbi: 1
2 nd dok: 1
maf 74: 1
abr12: 1
Waza D: 5