regex - Matlab正则表达式与标记的不一致行为

Question

我有一组字符串（总共几千个）我需要解析如下所示：

'22-213-1-0,0'
'4-23-1-1,0'
'85-572A-1-1,0'
'3-13-1-1,0'
'6-58A-1-1,0'

我想分别返回第一个数字（不是数字！），第二个数字和字母（如果存在）：

'22' '213' ''
'4'  '23'  ''
'85' '572' 'A'
'3'  '13'  ''
'6'  '58'  'A' 

我使用了一个正则表达式来做到这一点：

input = {'22-213-1-0,0' '4-23-1-1,0' '85-572A-1-1,0' '3-13-1-1,0' '6-58A-1-1,0'}'

test='(\d*)+[-]+(\d*)+(\w)+[-]\w*';

for i=1:length(input)

    parsedstring=regexp(input(i),test,'tokens');
    output(i,1)=cellfun(@str2num,parsedstring{1}{1}(1));
    output(i,2)=cellfun(@str2num,parsedstring{1}{1}(2));
    letter(i)=parsedstring{1}{1}(3);
end

但结果似乎不一致：输出=

22    21
 4     2
85   572
 3     1
 6    58

字母 =

'3'    '3'    'A'    '3'    'A'

为什么正则表达式有时只返回第二个数字的第一个数字？我认为当第一个数字只有 1 位长时可能会发生这种情况，但最后一个字符串证明有时它可以正确解析单个数字。我错过了什么？

Answer 1

这里的关键是用而不是仅仅指定零个或一个单词字符。正如我在评论中所说，这意味着您可以更新为，\w?\wtest

test='(\d*)-(\d*)(\w?)-.*';

Answer 2

我的 2 美分（如果您的数据始终采用您提供的格式）：

(\d+)-(\d+)([a-zA-Z])?.*

Answer 3

尝试使用锚点，首先，即 ^。此外，这是一个更简单的表达式：

^(\d+)-(\d+)(\w?)-

The?是另一个量词（除了+and之外*），意思是“零或一”。

我也在试图为你的正则表达式的行为找到一个解释，但很难说。它可能与(\d*)+您在哪里对原子进行乘法量化有关，当然也与某种回溯有关。如果我弄清楚了，我会编辑我的答案。