Question

第一次发帖，我已经潜伏了一段时间，对这里乐于助人的社区感到非常兴奋。

所以，使用Al Sweigart的“自动化无聊的东西”

进行一项练习，要求我构建一个以标准数字格式查找数字的正则表达式。三位数，逗号，三位数字，逗号等......

所以希望能匹配1,234和23,322和1,234,567和12但不是1,23,1或者1111，或其他任何愚蠢的东西。

我有以下内容。

import re

testStr = '1,234,343'
matches = []
numComma = re.compile(r'^(\d{1,3})*(,\d{3})*$')

for group in numComma.findall(str(testStr)):
    Num = group
    print(str(Num) + '-')           #Printing here to test each loop
    matches.append(str(Num[0]))

#if len(matches) > 0:
#    print(''.join(matches))

哪个输出....

（'1'，'，343'） -

我不确定为什么中间的“，234”被跳过了。正如我所说，正则表达式有问题。似乎无法绕过这一个。

任何帮助或解释都将不胜感激。

跟随编辑。因此，在遵循了我可以吸收的所有建议之后，我得到了完美的工作以进行多次输入。

import re

testStr = '1,234,343'
numComma = re.compile(r'^(?:\d{1,3})(?:,\d{3})*$')

Num = numComma.findall(testStr)
print(Num)

给了我......

[ '1234343']

大！但！当我将字符串输入更改为

之类的时候怎么办？

'1,234,343和12,345'

相同的代码返回....

[]

Grrr ......哈哈，这很有趣，我必须承认。

因此，练习的目的是能够最终扫描一段文本并以此格式挑选出所有数字。任何见解？我以为这会添加一个额外的元组，而不是返回一个空元素......

关注编辑：

所以，一天之后（忙于3个女儿和亲爱的名单），我终于能够坐下来检查我收到的所有帮助。这就是我想出来的，它看起来完美无瑕。包括我个人理解的评论。再次感谢Blckknght，Saleem，mhawke和BHustus。

我的最终代码：

import re

testStr = '12,454 So hopefully will match 1,234 and 23,322 and 1,234,567 and 12 but not 1,23,1 or ,,1111, or anything else silly.'

numComma = re.compile(r'''
    (?:(?<=^)|(?<=\s))  # Looks behind the Match for start of line and whitespace
    ((?:\d{1,3})        # Matches on groups of 1-3 numbers.
    (?:,\d{3})*)        # Matches on groups of 3 numbers preceded by a comma
    (?=\s|$)''', re.VERBOSE)    # Looks ahead of match for end of line and whitespace

Num = numComma.findall(testStr)
print(Num)

返回：

['12,454'，'1,234'，'23,322'，'1,234,567'，'12']

再次感谢！我在这里有过如此积极的首发经历，太棒了。 =）

Answer 1

问题是由于您在模式中使用重复捕获组(,\d{3})*。 Python的正则表达式引擎将匹配您的数字的千位和一组，但只会捕获最后一次重复。

我怀疑你想要使用非捕获组。将?:添加到每组括号的开头（我还建议，在一般原则上，使用原始字符串，尽管您当前模式中没有转义问题）：

numComma = re.compile(r'^(?:\d{1,3})(?:,\d{3})*$')

由于没有捕获任何组，re.findall将返回整个匹配的文本，我认为这是您想要的。您还可以使用re.find或re.search并在返回的group()对象上调用match方法来获取整个匹配的文本。

Answer 2

问题是：

正则表达式匹配将返回每个组的元组项。但是，区分组和捕获非常重要。由于您只有两个以括号分隔的组，因此匹配将始终为两个元组：第一组和第二组。但第二组比赛两次。

1：第一组，被捕获 ,234：第二组，被捕获 ,343：也是第二组，这意味着它会覆盖 ,234。

不幸的是，似乎vanilla Python没有办法以类似于.NET的正则表达式实现的方式访问除最后一个组之外的任何组的捕获。然而，如果您只想获取具体数字，最好的办法是使用re.search(number)。如果它返回非None值，则输入字符串是有效数字。否则，它不是。

另外：你的正则表达式A test。请注意，正如Paul Hankin所说，测试用例6和7虽然不应该匹配，但由于第一个捕获组之后的第一个*，这将使初始组匹配任意次。否则，你的正则表达式是正确的。 Fixed version.

编辑回应：
现在你的正则表达式返回一个空集的原因是＆＃39;和＆＃39;是因为正则表达式中的^和$锚点。在正则表达式开头的^锚点说，这一点需要在一个字符串的开头处。 $是它的对应物，说＆＃39;这需要在字符串的末尾＆＃39;。如果您希望整个字符串从头到尾与模式匹配，那么这很好，但是如果您想要挑选多个数字，则应该取消它们。

无论其！
如果将正则表达式保留为当前形式的sans anchors，它现在将1,23,45的各个元素作为单独的数字匹配。因此，为此，我们需要添加一个零宽度正向前瞻断言，然后说，确保在此数字后面是空格或行的末尾＆＃39;。您可以看到更改here。尾端(?=\s|$)是我们的前瞻性断言：它不会捕获任何内容，只是确保标准或满足，在这种情况下是空格（\s）或（| ）一行的结尾（$）。

但是：在类似的情况下，之前的正则表达式将在＆＃34; 1234,567＆＃34;中匹配2，向我们提供数字＆＃34; 234,567＆＃34;，这将是不好的。所以我们使用后面的断言，类似于我们最后的前瞻：(?<!^|\s)，只在字符串的开头匹配，或者在数字前面有空格。这个版本可以找到here，并且应该完全满足任何与非十进制数相关的需求。

Answer 3

尝试：

import re
p = re.compile(ur'(?:(?<=^)|(?<=\s))((?:\d{1,3})(?:,\d{3})*)(?=\s|$)', re.DOTALL)

test_str = """1,234 and 23,322 and 1,234,567 1,234,567,891 200 and 12 but
not 1,23,1 or ,,1111, or anything else silly"""

for m in re.findall(p, test_str):
    print m

它的输出将是

1234
23322
1234567
1234567891
200
12

您可以看到演示here

Answer 4

此正则表达式将匹配任何有效数字，并且永远不会匹配无效数字：

(?<=^|\s)(?:(?:0|[1-9][0-9]{0,2}(?:,[0-9]{3})*))(?=\s|$)

https://regex101.com/r/dA4yB1/1

Python，正则表达式匹配数字，x，xxx，xxx但不是xx，xx，x，

4 个答案: