Question

我有一组字符串（总共几千个）我需要解析它们看起来像这样：

'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'

我希望第一个数字（不是数字！），第二个数字和字母（如果存在）单独返回：

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

我使用正则表达式来执行此操作：

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： output =

letter =

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

为什么regexp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位数时可能会发生这种情况，但最后一个字符串证明有时它会正确地解析单个数字。我错过了什么？

Answer 1

此处的关键是使用\w?指定zero or one字符，而不只是\w。正如我在评论中所说，这意味着您可以将test更新为

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

首先尝试使用锚点，即 ^。此外，这是一个更简单的表达式：

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

?是另一个量词（除了+和*），表示“零或一个”。

我也试图找到你的正则表达式行为的解释，但很难说。它可能与像(\d*)+之类的东西有关，在这些东西中，你可以对原子进行多次量化，当然还有某些回溯。如果我搞清楚的话，我会编辑我的答案。

Matlab正则表达式与令牌的行为不一致

3 个答案: