Question

我需要以下文字的正则表达式。我已经尝试了很多东西，但总是只匹配最后两组，或者它匹配的是#Text1＆amp; someText 2＆amp; someText 3＆amp;＆＃39;作为一个群体...

someText 1 & someText 2 & someText 3
someText 1 & someText 2 & someText 3 & someText 4

我期待的是两场比赛：

匹配1：

someText 1
someText 2
someText 3

和

比赛2：

someText 1
someText 2
someText 3
someText 4

Answer 1

这适用于提供的示例文本和所需结果：

\S+\s\d

\S+ match any non-white space character [^\r\n\t\f ]
Quantifier: + Between one and unlimited times, as many times as possible, giving back as needed [greedy]

\s match any white space character [\r\n\t\f ]
\d match a digit [0-9]

Answer 2

如果我正确阅读，您可以尝试捕获任意数量的＆＃39;＆amp;＆＃39;每行分隔的项目到捕获组中。

使用纯正则表达式，这是不可能的。由于正则表达式作为状态机运行，因此您不能拥有任意数量的捕获组。任何给定的表达式都有固定数量的捕获组，这些捕获组可能会捕获任何东西数字由表达式决定（基本上，你有多少套括号）并且不能改变。

相反，您可以执行类似捕获分隔符的操作。因此，不要试图匹配＆＃34; someText 3＆＃34;，匹配并拆分＆＃34;＆amp;＆＃34;。

我不知道您使用的是哪种语言，所以这里是Javascript中的一些示例代码：

// Test input, as provided.
var inputString = "someText 1 & someText 2 & someText 3\nsomeText 1 & someText 2 & someText 3 & someText 4";

// Break up the lines. (Replace this with however you get your lines separated.)
var line_delimit = /[\n\r]+/;
var lines = inputString.split(line_delimit);

// Split each line on ampersands.
var group_delimit = /\s*&\s*/;
var matches = [];
lines.forEach(function(line){
    matches.push(line.split(group_delimit));
});

// Display.
for (var index in matches){
    console.log("Match " + index + ":");
    console.log(JSON.stringify(matches[index],null,2));
    console.log();
}

Answer 3

我认为James是关于某事的，但他并没有完全达到目标。

您不应该尝试使用纯正则表达式执行此操作。保持简单。首先，您应该将字符串拆分为&：

>>> s = 'someText 1 & someText 2 & someText 3 & someText 4'
>>> s.split('&')
['someText 1 ', ' someText 2 ', ' someText 3 ', ' someText 4']

（这当然假设someText不能包含&，但如果可以的话，你会遇到很多更难的问题。）

然后我们需要strip关闭前导和尾随空格：

>>> s_clean = [i.strip() for i in s.split('&')]
>>> s_clean
['someText 1', 'someText 2', 'someText 3', 'someText 4']

现在我们可以使用正则表达式来过滤掉不匹配的元素：

>>> import re
>>> [i for i in s_clean if re.match('.+\s+[0-9]+', i)]
['someText 1', 'someText 2', 'someText 3', 'someText 4']

（注意re.match实际上返回一个Match对象，而不是布尔值。）

这给了你想要的东西。缩短它：

s = 'someText 1 & someText 2 & someText 3 & someText 4'
s_clean = [i.strip() for i in s.split('&')]
result = [i for i in s_clean if re.match('.+\s+[0-9]+', i)]

如果你愿意的话，你可以将它变成一个单行，但它看起来会更加混乱。

现在对自己重复以下第3行：

正则表达式不是所有文本处理问题的解决方案。

Answer 4

鉴于您使用的是Python，您需要re模块和re.findall方法。

例如，您可以使用：

import re
import fileinput

p1 = re.compile(r'\s*(\S[^&]*)\s+(&|$)')

for line in fileinput.input():
    matches = p1.findall(line)
    print "Line: ", line
    for match in matches:
        print "Match: ", match
    print ""

正则表达式查找可选的空格（\s*），然后捕获非白色空格，后跟零个或多个非符号（(\S[^&]*)），后跟空格和{{1} }或字符串结尾（&）。

给定包含您在问题中显示的两个样本行的输入：

\s+(&|$)

输出是：

someText 1 & someText 2 & someText 3
someText 1 & someText 2 & someText 3 & someText 4

可以应用无限的调整，例如使用Line: someText 1 & someText 2 & someText 3 Match: ('someText 1', '&') Match: ('someText 2', '&') Match: ('someText 3', '') Line: someText 1 & someText 2 & someText 3 & someText 4 Match: ('someText 1', '&') Match: ('someText 2', '&') Match: ('someText 3', '&') Match: ('someText 4', '')，因此只有一个捕获组 - 输出只是'(?:&|$)'字符串。您也可以使用非贪婪的匹配someText N，尽管它写得很好。如果存在相邻的[^&]*?个字符，则第二个字符将被视为下一个字符串开头的非空白空间。如果你认为这可能是一个真正的问题，你可以解决这个问题。

正则表达式重复字符串

4 个答案: