Question

如何捕获由[0-9]+分隔的(\], \[)个群组？例如，在

的情况下

[[[[u'1', u'2'], u'3'], u'4'], [[[u'1', u'2'], u'4'], [[u'1', u'5'], u'4']]]

我想捕获三个群组，1 2 3 4，1 2 4和1 5 4。

Answer 1

假设您没有像[[u'1', u'2'], [u'3',u'5']]这样的子模式（同一级别的多个嵌套子组，在这种情况下您需要使用堆栈并像下推自动机一样解析）您可以做这有正则表达式分两步：

（1）用正则表达式\]\s*,\s*\[拆分表达式以获得组，然后根据提供的示例获得3组。

（2）在每个组中使用正则表达式[^0-9u]*u'([0-9]+)'[^0-9u]*来提取数字。

例如，在R中，代码为：

str <- "[[[[u'1', u'2'], u'3'], u'4'], [[[u'1', u'2'], u'4'], [[u'1', u'5'], u'4']]]"
groups <- unlist(strsplit(str, split='\\]\\s*,\\s*\\['))
pattern <- "[^0-9u]*u'([0-9]+)'[^0-9u]*"
lapply(groups, function(str) gsub(pattern, "\\1", regmatches(str,gregexpr(pattern,str))[[1]]))

#[[1]]
#[1] "1" "2" "3" "4"

#[[2]]
#[1] "1" "2" "4"

#[[3]]
#[1] "1" "5" "4"

在python：

import re
str = "[[[[u'1', u'2'], u'3'], u'4'], [[[u'1', u'2'], u'4'], [[u'1', u'5'], u'4']]]"
groups = re.split('\]\s*,\s*\[', str)
pattern = "[^0-9u]*u'([0-9]+)'[^0-9u]*"
print map(lambda x: re.findall(pattern, x), groups)
# [['1', '2', '3', '4'], ['1', '2', '4'], ['1', '5', '4']]

如果需要，您可以将数字映射到整数。

正则表达式捕获由表达式分隔的组

1 个答案: