Question

s = u'A．anycontentfollowedbyB．anycontentanylengthC．anycontentD．anycontent'
ExpectResult = [u'A．anycontentfollowedby', u'B．anycontentanylength', u'C．anycontent', u'D．anycontent']

我有一个像这样的unicode str。我需要将这些选项分成四个不同的子串，这些子串以A.，B.，C.，D。开头（。不是点，它是一个特殊字符）。我怎样才能达到预期的效果？感谢大家！！ ABCD选项来自多个选择题。最多四个选项没有EFGH ...等，但可能只有一两个选项，如A.or A.，B.together

Answer 1

你犯了一些错误。

您应该决定 - 您是否会使用正则表达式组进行阅读或拆分。你迷路了。

它是第一个变体 - 寻找你的特殊点。您应该使用您的特殊点，然后 - 正常点，后跟+ - 表示您正在寻找的字符串。

request = QtNetwork.QNetworkRequest(QtCore.QUrl(url))
header_data = QtCore.QByteArray('{}:{}'.format(
    credentials['username'], credentials['password'])).toBase64()
request.setRawHeader('Authorization', 'Basic {}'.format(header_data))
replies.append(manager.get(request))

如果您需要这些A.以及可以找到的东西，请使用：

A.(.+)B.(.+)C.(.+)D.(.+)  // read groups by that regex

，如果您需要这些(A..+)(B..+)(C..+)(D..+) or u'(A..+)',u'(B..+)',u'(C..+)',u'(D..+)'构造。

如果第二种情况（分裂）是你需要的 - 你在分裂中的前瞻是毫无意义的。拆分子字符串的正则表达式应该更加简单：

u'...',

就是这样。真的，我不喜欢第二种变体，因为你无法确定你是不是正确地读取'[A-D]．' // use your special dot here这一行。你没有aaaB.bbbC.ccc就拥有了aaa子串。而在第一个变体中，您知道第一组来自A.，第二组来自B.等等。

Answer 2

你不需要在这里向前看。 “+” - 必须转义，因为它是特殊符号：

>>> re.findall('[A-Z]．\+\d', str)
['A．+4', 'B．+5', 'C．+6', 'D．+7']

并且不要将变量命名为“str”

更新＃1： 最好在开始时澄清一切。所以，这是新的答案，更复杂（我首先只是为了理解和历史）：

>>> s = u'A．anycontentfollowedbyB．anycontentanylengthC．anycontentD．anycontent'    
>>> re.findall('.+?(?=[A-D]．|$)',s)
['A．anycontentfollowedby', 'B．anycontentanylength', 'C．anycontent', 'D．anycontent']

简要说明：

（？= [A-D]。| $） - 展望'A' 'B.'等等或行尾（$）
。+？ - 在前瞻性比赛之前的任何符号，但不贪婪（？）。这意味着它会在第一场比赛之前找到，而不是直到最后一场比赛。

Answer 3

你可以试试这个：

import re
s = u'A．+4B．+5C．+6D．+7'

data = [i for i in re.findall('.{4}', s)]

输出：

[u'A\uff0e+4', u'B\uff0e+5', u'C\uff0e+6', u'D\uff0e+7']

Answer 4

首先请注意，字符串中的'．'是一个代码点。你想的不是两个ascii字符：

s = u'A．+4B．+5C．+6D．+7'
print repr(s)
# u'A\uff0e+4B\uff0e+5C\uff0e+6D\uff0e+7'

在构建模式时应考虑这一点：

pattern = ur'[^\d]+．\+\d'
print repr(pattern)
# u'[^\\d]+\uff0e\\+\\d'

此外，你在前瞻之前拆分角色，这样除了你使用分组的parens之外，这个角色不会被包含在分割中，但是这个角色在结果中是分开的。 re.split。您最好使用re.findall：

print re.findall(pattern, s)
# [u'A\uff0e+4', u'B\uff0e+5', u'C\uff0e+6', u'D\uff0e+7']

Answer 5

我确信会有比我在这里编码更好的选项，但它会给你一些解决问题的提示。

您有两种方法可以获得所需的结果。假设您的测试字符串

1）使用re.findall

result = re.findall(r"([a-d].*?\d)", data, re.IGNORECASE)
print(result)

2）通过拆分字符串

import re
data = r"A. +4B．+5C．+6D．+7"
result = [x for x in re.split(r"([a-d].*?\d)", data, 0, re.IGNORECASE) if x != '']
print(result)

输出为['A. +4', 'B．+5', 'C．+6', 'D．+7']

查看repl.it

的实时演示

Python展望正则表达式

5 个答案: