0

我想用一个正则表达式行（如果可能的话）将某个模式与几个字符串匹配：

blah blah (1023 mega lbs) blah blah 1245 tons
blah 1023 kilo tons blah blah 1034 metric tons
blah 1023 feet 345 blah
$100 is a lot of money

我想匹配数字（例如，第一次出现在该行中）1023 及其可能在另一个单词之后跟随它的单位（磅、吨和英尺）并将其存储为另一个字符串。但是，我必须小心 100 美元，因为它不是我关心的计量单位，也不是任何可能遵循该行第一个序列的数字。

我目前的方法有很多嵌套if statements，例如我拥有的第一行（不工作）：\d*\s(.*)\s\w+有没有更好的方法来做到这一点？

4

2 回答 2

3 
import re
with open("input") as f:
    for line in f:
        mo=re.match(r'[^\d]*(\d+).*?(tons|feet|lbs)', line)
        if mo: print mo.group(1), mo.group(2)

输出

1023 lbs
1023 tons
1023 feet

此外，如果您有类似 的行$100 money is too much for 100 lbs，则可以使用：

import re
with open("input") as f:
    for line in f:
        mo=re.match(r'.*?(?<![$\d])(\d+).*?(tons|feet|lbs)', line)
        if mo: print mo.group(1), mo.group(2)

并匹配公斤，巨型的东西：

import re
with open("input") as f:
    for line in f:
        mo=re.match(r'.*?(\d+).*?(mega|kilo|metric|) (tons|feet|lbs)', line)
        if mo: print mo.group(1), mo.group(2), mo.group(3)

输出

1023 mega lbs
1023 kilo tons
1023  feet
100  lbs

可以将这些单位和修饰符存储在列表中，并将它们加入其中|以动态创建正则表达式。

匹配所有可能的单位修饰符的示例：

import re
with open("input") as f:
    for line in f:
        mo=re.match(r'[^\d]*(\d+).*?(\S*)\s*(tons|feet|lbs)', line)
        if mo: print "'{}' '{}' '{}'".format(mo.group(1), mo.group(2), 
                       mo.group(3))

输出

'1023' 'mega' 'lbs'
'1023' 'kilo' 'tons'
'1023' '' 'feet'
于 2013-05-28T22:12:28.897 回答
0

您可能喜欢使用正则表达式测试器，例如http://regexpal.com/或http://rubular.com/。

你有一个问题，因为(.*)中间会贪婪地匹配并最终捕获比你预期的更多。见这里。

请注意，我的解决方案应该匹配所有实例，<number> <scale> <unit>而不仅仅是每行第一次出现。我把它留在这里留给后代。

(?:[^0-9$]|^)(\d+)\s(\w+)\s(\w+)

这是在行动，链接。

(?:[^0-9$]|^)表示匹配要么从行首开始，要么前面有不是数字或美元符号的东西（?:意味着我们不想捕获它）。然后匹配数字\d+后跟两个单词\w+。您可以将\w+s 替换为 perreal 的答案中更具描述性的匹配项。

于 2013-05-28T22:47:58.873 回答