Question

我正在尝试使用RE来清理字符串并将它们放入清洁的有序库存列表中，同时保留原始订单或不重复库存。

例如，将字符串（注意额外的随机字母和不一致的间距）：

SLTD +14% NRX +14%L MEIP -68% YU -345% RXII -13%RESN -10% LBIO -10% WHLR-10% HSIDD -339%

进入像

这样的列表

stocks = ['SLTD +14%', 'NRX +14%', 'MEIP -68%', 'YU -345%', 'RXII -13%','RESN -10%', 'LBIO -10%', 'WHLR -10%', 'HSIDD -339%']

我需要REs

选择2,3,4或5个大写字母（自动收报机）（不依赖于前面的空格，因为此RXII -13%RESN -10%之类的情况会失败）
识别自动收报机的最后一个字母与+或 - 之间是否有空格，如果没有，则插入一个空格。（清理像WHLR-10%这样的案例）
不包括％之后的随机字母（例如NRX +14%L）
如果只有股票代码且没有百分比（即NES -14% HELI）
能够处理2位数和3位数百分比（WHLR-10% HSIDD -339%）

这是迄今为止我所获得的最好的，它重复每个股票4，然后3，然后2个字母，当然是可怕的代码。

非常感谢任何帮助，谢谢你的时间。

allStocks = ['SLTD +14% NRX +14%L MEIP -68% YU -345% RXII -13%RESN -10% LBIO -10% WHLR-10% HSIDD -339%','ENZ -17% NSLP -17% SCON -15% PKOH -15% PFIE -14% PRTS -14% NES -14% HELI']

for messyDayOfStocks in allStocks:
    stocksWithStuff = re.findall('(\S\S\S\S\S\s\D\d\d\d%)', "messyDayOfStocks")
    stocksWithStuff.append(re.findall('(\S\S\S\S\s\D\d\d\d%)', "messyDayOfStocks"))
    stocksWithStuff.append(re.findall('(\S\S\S\s\D\d\d\d%)', "messyDayOfStocks"))
    stocksWithStuff.append(re.findall('(\S\S\s\D\d\d\d%)', "messyDayOfStocks"))
    stocksWithStuff.append(re.findall('(\S\S\S\S\S\s\D\d\d%)', "messyDayOfStocks"))
    stocksWithStuff.append(re.findall('(\S\S\S\S\s\D\d\d%)', "messyDayOfStocks"))
    stocksWithStuff.append(re.findall('(\S\S\S\s\D\d\d%)', "messyDayOfStocks"))
    stocksWithStuff.append(re.findall('(\S\S\s\D\d\d%)', "messyDayOfStocks"))     
    print(stocksWithStuff)

Answer 1

尝试(\S{2,5}\s?[+-]\d{1,3}%)

这是寻找：

\S{2,5}介于2到5个非空白字符之间
\s?可能的空格字符
[+-]加号或减号
\d{1,3}介于1到3位之间
%百分号

Link to regextester

这不会为您插入空格，但您可以使用2个捕获组，如下所示：

(\S{2,5})\s?([+-]\d{1,3}%) 分别获得公司ID和百分比

您可以在代码中使用此代码：

allStocks = ['SLTD +14% NRX +14%L MEIP -68% YU -345% RXII -13%RESN -10% LBIO -10% WHLR-10% HSIDD -339%','ENZ -17% NSLP -17% SCON -15% PKOH -15% PFIE -14% PRTS -14% NES -14% HELI']

for messyDayOfStocks in allStocks:
    allMatches = re.findall('(\S{2,5})\s?([+-]\d{1,3}%)', messyDayOfStocks)
    stocks = ['{} {}'.format(m.group(1), m.group(2) for m in allMatches]
    print(stocks)

Answer 2

我认为这对你有用。在此代码中，我找到模式，将格式化的输出附加到列表中，然后再次启动搜索，指定搜索的起始位置作为上次搜索的结束。

astr = 'SLTD +14% NRX +14%L MEIP -68% YU -345% RXII -13%RESN -10% LBIO -10% WHLR-10% HSIDD -339%'
out = []
pat = '([A-Z]{2,5}) ?(\+|-)(\d{2,3}\%)'
regex = re.compile(pat)
res = regex.search(astr)
while res:
    out.append(res.group(1)+' '+res.group(2)+res.group(3))
    res = regex.search(astr, res.start()+len(res.group(0)))
print out
# prints ['SLTD +14%', 'NRX +14%', 'MEIP -68%', 'YU -345%', 'RXII -13%', 'RESN -10%', 'LBIO -10%', 'WHLR -10%', 'HSIDD -339%']

Answer 3

你也许可以用这个：

import re

allStocks = ['SLTD +14% NRX +14%L MEIP -68% YU -345% RXII -13%RESN -10% LBIO -10% WHLR-10% HSIDD -339%','ENZ -17% NSLP -17% SCON -15% PKOH -15% PFIE -14% PRTS -14% NES -14% HELI']
stocksWithStuff = []

for messyDayOfStocks in allStocks:
    # Get each match 
    for match in re.finditer(r"([A-Z]{2,5})\s*([-+]?\d{2,3}%)", messyDayOfStocks):
        # Format it
        stocksWithStuff.append("{0} {1}".format(match.group(1), match.group(2)))

print(stocksWithStuff)

输出：

['SLTD +14%', 'NRX +14%', 'MEIP -68%', 'YU -345%', 'RXII -13%', 'RESN -10%', 'LBIO -10%', 'WHLR -10%', 'HSIDD -339%', 'ENZ -17%', 'NSLP -17%', 'SCON -15%', 'PKOH -15%', 'PFIE -14%', 'PRTS -14%', 'NES -14%']

以上是使用Python3，但它应该很容易转换为Python2语法。

ideone demo

对于正则表达式本身：

([A-Z]{2,5})  # 2 to 5 uppercase letters and store in first group
\s*           # Any number of spaces (including none)
(
  [-+]?       # Any sign if present
  \d{2,3}%    # 2 to 3 digits and % sign
)             # Store the above to the second group

组合可以匹配多个杂乱股票条目的RE

3 个答案: