Question

我使用python和re模块来解析一些字符串并提取与前缀相关联的4位数代码。以下是我需要解析的两个字符串示例：

str1 = "random stuff tokenA1234 more stuff"
str2 = "whatever here tokenB5678 tokenA0123 and more there"

tokenA和tokenB是前缀，1234,5678,0123是我需要抓取的数字。令牌A和B只是一个例子。前缀可以是地址http://domain.com/（tokenA）或类似Id:（'[Ii]d:?\s?'）（tokenB）的字符串。

我的正则表达式如下：

re.findall('.*?(?:tokenA([0-9]{4})|tokenB([0-9]{4})).*?', str1)

解析上面的2个字符串时，我得到：

[('1234','')]
[('','5678'),('0123','')]

我想简单地获取['1234']或['5678','0123']而不是元组。如何修改正则表达式来实现呢？提前谢谢。

Answer 1

只需这样做：

re.findall(r"token[AB](\d{4})", s)

将[AB]放入字符类中，以便它匹配A或B

Answer 2

因为你的正则表达式中有超过1个捕获组，所以你得到了元组。见re.findall reference：

如果模式中存在一个或多个组，将返回组列表;如果模式有多个组，这将是元组列表。

因此，解决方案仅使用一个捕获组。

由于您的正则表达式中有令牌，因此您可以在组内使用它们。由于只有令牌不同，([0-9]{4})部分对于两者都是常见的，只需在放入非捕获组的令牌之间使用交替运算符：

(?:tokenA|tokenB)([0-9]{4}) ^^^^^^^^^^^^^^^^^

正则表达式意味着：

(?:tokenA|tokenB) - 匹配但不捕获tokenA或tokenB

([0-9]{4}) - 匹配并捕获到第1组四位数字

IDEONE demo：

import re s = "tokenA1234tokenB34567" print(re.findall(r'(?:tokenA|tokenB)([0-9]{4})', s))

结果：['1234', '3456']

python正则表达式：在OR中捕获组

2 个答案: