Question

我想从这样的结构构建一个正则表达式：

    [['mirna', 'or', 'microrna'], 'or', 'lala']

...我想提取＆＃39;或＆＃39;的左侧部分。递归地构建我的正则表达式。如您所见，有时它是另一个嵌入列表，有时它是一个字符串。

我的正则表达式应该如下：

((mirna|microrna)|lala)

所以这是我的算法（递归因为我从来不知道我的结构有多深）：

def _buildRegex(self,  request):
  if not isinstance(request,  str):
    print(request)
    print('request not a str')
    request = request[0]
  for i, e in enumerate(request):
    self._print(i)
    self._print(e)
    if e == 'or':
      self._print('OR found')
      if isinstance(request,  str):
        print('left is str')
        left = request
      else:
        print('left is list')
        left = request[0:i]

      if isinstance(request,  str):
        print('right is str')
        right = request
      else:
        print('right is list')
        right = request[i+1:len(request)-1]
      print('(')

      if isinstance(left,  list):
        self._buildRegex(left)
      else:
        print(left)
      print('|')
      if isinstance(right,  list):
        self._buildRegex(right)
      else:
        print(left)
      print(')')

这就是我得到的：

    [[['mirna', 'or', 'microrna'], 'or', 'lala']]
    request not a str
    0
    ['mirna', 'or', 'microrna']
    1
    or
    OR found
    left is list
    right is list
    (
    [['mirna', 'or', 'microrna']]
    request not a str
    0
    mirna
    1
    or
    OR found
    left is list
    right is list
    (
    ['mirna']
    request not a str
    0
    m
    1
    i
    2
    r
    3
    n
    4
    a
    |
    []
    request not a str

我想当我提取单个单词时，切片会将其转换为列表。但是，我如何区分列表中的最后一个单词？我已经花了很多时间而无法找到解决方案，我完全迷失了。

Answer 1

我认为你的代码有很多问题（例如不需要外包装列表并将字符串拆分成列表），所以我在这里重写了它。你只需要在列表上递归，追加'|'对于'或'，并为所有其他情况附加字符串。

def buildRegex(request):
    result = '('
    for x in request:
        if not isinstance(x, str):
            result += buildRegex(x)
        elif x == 'or':
            result += '|'
        else:
            result += x

    result += ')'
    return result

inp = [['mirna', 'or', 'microrna'], 'or', 'lala']
print(buildRegex(inp))
inp = [['mirna', 'or', ['hello', 'or', 'microrna']], 'or', ['lala', 'or','lele']]
print(buildRegex(inp))

输出：

((mirna|microrna)|lala)
((mirna|(hello|microrna))|(lala|lele))

编辑：这是一个带有列表理解的版本，只是为了好玩。在我看来，它的可读性较低：

def buildRegex(request):
    return '(' + ''.join([buildRegex(x) if isinstance(x, list) else '|' if x == 'or' else x for x in request]) + ')'

编辑：正如弗朗西斯科指出的那样（不确定他为何删除了他的评论），将result += x替换为result += re.escape(x)可能是个好主意，这样您就可以使用像'|'这样的字符直接在你的字符串中。

Answer 2

这似乎对我有用

def list_to_regex(input, final=''):
    if isinstance(input, list):
        if all([isinstance(x,str) for x in input]):
            # pure list found
            y = ''.join(['|' if z == 'or' else z for z in input])
            to_add = '(' + y + ')'
            return to_add
        else:
            # mixed list
            for el in input:
                final += list_to_regex(el, final)
            return '(' + final + ')'
    else:
        # just a string
        if input == 'or':
            return '|'
        else:
            return input

样本用法：

l = [['mirna', 'or', ['hello', 'or', 'microrna']], 'or', ['lala', 'or','lele']]
# ((mirna|(hello|microrna))|(lala|lele))

Answer 3

这有点俗气，我已经可以想到边缘案件了。如果您考虑一下，您的嵌套列表已经基本上采用您想要的格式，那么只需将其设为字符串并进行一些替换即可。

CODE：

data = [['mirna', 'or', 'microrna'], 'or', 'lala']
my_regex = str(data).replace(' ','').replace('[','(').replace(']',')').replace(",'or',",'|').replace("'",'').replace('"','')
print('my_regex='+my_regex)

它也适用于@Millie的第二个测试用例（感谢您制作它！）

输出：

my_regex=((mirna|microrna)|lala)

Answer 4

这里有适合我的代码，错误检查：

def build_regex(req):
    if (type(req) != list and type(req) != str):
        print('Error: Incompatible types')
        return -1
    if type(req) == list and len(req) % 2 != 1:
        print("Even length, missing an or somewhere")
        return -1

    if type(req) == str:
        return req
    if len(req) == 1:
        return build_regex(req[0])
    if type(req[0]) == list:
        return '(' + build_regex(req[0]) + '|' + build_regex(req[2:]) + ')'
    if type(req[0]) == str:
        return '(' + req[0] + '|' + build_regex(req[2:]) + ')'

    print("Error: Incompatible element types.")
    print("Required str or list, found " + type(req[0]))
    return -1

切片python列表中的字符串

4 个答案: