说明 -

Question

嗨，

所以，我有以下字符串（我删除了很多数字，因为我们不需要它们）：

编辑：见下文

text = """
<--
first+second=?

first:
146,399,163,403,170,379,147,394,146,399

second:
156,141,136,156,136

-->"""

我试图找到一种方法来捕获列表中第一个的每个数字，以及另一个列表中的第二个（使用python，re.findall（））。所以我的目标是让python返回一个这样的列表（对于＆＃34;第一个＆＃34;列在＆＃34;第一个：＆＃34;＆＃34;第二个＆＃34;：

[146, 399, 163, 403,170,379,147,394,146,399]

不幸的是，我没有设法创建一个正则表达式来捕获用逗号/换行符括起来的一组数字，它们本身被包含在第一个和第二个（或其他）中。这样做时，我只设法捕获我使用的边界内的第一组或最后一组数字。

这是我使用的错误表达之一。我已经尝试了许多其他人并且在捕获组和其他东西上使用量词，但我似乎无法正确使用它。

first:.+(\d{2,3}).+second:

我知道首先捕获完整列表并分割它会更容易，但我想更好地理解正则表达式，因此我坚持它。

编辑：对不起......我应该添加更多的初始字符串，我把它缩短了太多。问题是，列表有几行，如此（尽管仍然缩短了）：

text = """
<!--
first:
146,399,163,403,170,393,169,391,166,386,170,381,170,371,170,355,169,346,167,335,170,329,170,320,170,
310,171,301,173,290,178,289,182,287,188,286,190,286,192,291,194,296,195,305,194,307,191,312,190,316,
332,155,348,156,353,153,366,149,379,147,394,146,399

second:
156,141,165,135,169,131,176,130,187,134,191,140,191,146,186,150,179,155,175,157,168,157,163,157,159,
77,155,81,148,87,140,96,138,105,141,110,136,111,126,113,129,118,117,128,114,137,115,146,114,155,115,
158,121,157,128,156,134,157,136,156,136
-->
""""

Answer 1

注意 - 在此编辑中，有来自更多知识渊博的用户的一些答案，但到目前为止，这似乎是唯一一个有一行代码来回答您的问题。< / p>

你可以试试这句话：

x = re.findall(r'(\w+?):\s+((?:\d+,?)+)', text)

在打印x时返回以下数组：

[('first', '146,399,163,403,170,379,147,394,146,399'), ('second', '156,141,136,156,136')]

说明 -

这个正则表达式不仅像你的问题状态那样找到第一个和第二个，但是如果在任何时候你的代码包含，请说：

third:
123, 124, 12, 1

或类似的东西，正则表达式甚至会匹配。

x返回一个包含两个元组的数组 - 每个元组都有第一个元素作为名称，即first，second等等，而每个第二个元素是实际的数字字符串

正则表达式字符串开头的r表示它是一个原始字符串，基本上是放弃那些讨厌的双反斜杠。
(\w+?)是第1组，它匹配first，second等数字之前的文本，甚至是您的示例输入包含它的其他文本。
:表示第一个或第二个文本后跟冒号，
\s+匹配一个或多个空格（在这种情况下，甚至是换行符）
((?:\d+,?)+)是第二组，其中包含实际的数字字符串
(?:\d+,?)是一个非捕获组，它告诉正则表达式匹配一个或多个数字（后面可能跟一个逗号），非捕获组之后的+表示此序列将重复一次或多次。

<小时/> 哦，还有一件事 -

要访问所需的匹配项 - 无论是标签first，second等，还是各自的数字，您都可以使用：

for match in x:
    print(match[0])
    print(match[1])
    print()

基本上，match是包含[0]标签和[1]数字

的元组

修改1 -

要捕获最近指定的多行数字，您只需向正则表达式添加\n?，如下所示：

x = re.findall(r'(\w+?):\s+((?:\d+,?\n?)+)', text)

哪个与可选空间相匹配。但是，有一个问题：打印时，match[1]看起来像：

146,399,163,403,170,393,169,391,166,386,170,381,170,371,170,355,169,346,167,335,170,329,170,320,170,
310,171,301,173,290,178,289,182,287,188,286,190,286,192,291,194,296,195,305,194,307,191,312,190,316,
332,155,348,156,353,153,366,149,379,147,394,146,399,1111

但是match本身看起来像：

('first', '146,399,163,403,170,393,169,391,166,386,170,381,170,371,170,355,169,346,167,335,170,329,170,320,170,\n310,171,301,173,290,178,289,182,287,188,286,190,286,192,291,194,296,195,305,194,307,191,312,190,316,\n332,155,348,156,353,153,366,149,379,147,394,146,399,1111\n')

x的第一个元素。

请注意匹配中物理\n的存在，会干扰您想要进行的任何算术计算。

Answer 2

你可以作弊：

text = """
<--
first+second=?

first:
146,399,163,403,170,379,147,394,146,399

second:
156,141,136,156,136

-->"""

import re

first = list(map(int,re.findall(r"\d+",text[text.find("first:"):text.find("second:")])))
second = list(map(int,re.findall(r"\d+",text[text.find("second:"):])))

print(first)
print(second)
print(first+second)

输出：

[146, 399, 163, 403, 170, 379, 147, 394, 146, 399]
[156, 141, 136, 156, 136]
[146, 399, 163, 403, 170, 379, 147, 394, 146, 399, 156, 141, 136, 156, 136]

作弊是：

您只会将text的部分内容提供给您想要拥有的正则表达式
您切片text，以便它仅使用'first:'和'second:'之间的文字
然后您将其切片以使用'second:'

给你单独的清单。然后将它们一起添加。

list(map(int, <regex_cmd> ))只是因为它们是整数，而不是字符串。

如果您只需要文本中的所有内容，这也可以使用：

def isInt(t):
    try:
        return int(t)
    except:
        pass


splitted = [int(l) for k in text.split("\n") 
            for p in k.split(" ") 
            for l in p.split(",") if isInt(l) is not None]

print(splitted)

输出：

[146, 399, 163, 403, 170, 379, 147, 394, 146, 399, 156, 141, 136, 156, 136]

Answer 3

使用两步法：

使用dict comprehension通过正则表达式获取项目
通过ast.literal_eval()将获得的字符串转换为列表

^                         # start of the line
(?P<group>[a-z]+):[\n\r]  # a group named "group" with lowercase letters, 
                          # followed by a colon
(?P<lst>(?:\d+,?\s*)+)    # digits, commas and spaces

见a demo on regex101.com。

Python

import re
from ast import literal_eval

rx = re.compile(r'''
    ^
    (?P<group>[a-z]+):[\n\r]
    (?P<lst>(?:\d+,?\s*)+)
    ''', re.M | re.X)

result = {m.group('group'): literal_eval('[{}]'.format(m.group('lst'))) 
          for m in rx.finditer(text)}
print(result)

产生一个字典：

{'first': [146, 399, 163, 403, 170, 393, 169, 391, 166, 386, 170, 381, 170, 371, 170, 355, 169, 346, 167, 335, 170, 329, 170, 320, 170, 310, 171, 301, 173, 290, 178, 289, 182, 287, 188, 286, 190, 286, 192, 291, 194, 296, 195, 305, 194, 307, 191, 312, 190, 316, 332, 155, 348, 156, 353, 153, 366, 149, 379, 147, 394, 146, 399], 
 'second': [156, 141, 165, 135, 169, 131, 176, 130, 187, 134, 191, 140, 191, 146, 186, 150, 179, 155, 175, 157, 168, 157, 163, 157, 159, 77, 155, 81, 148, 87, 140, 96, 138, 105, 141, 110, 136, 111, 126, 113, 129, 118, 117, 128, 114, 137, 115, 146, 114, 155, 115, 158, 121, 157, 128, 156, 134, 157, 136, 156, 136]}

之后，您可以通过result['first']。

Answer 4

如果你对第一组和第二组的单独传球没问题，那么这样就可以了：

第一组：(?<=first:.+)(\d{2,3})(?=.+second:)

第二组：(?<=second:.+)(\d{2,3})

这些使用前瞻和后视模式来检查＆＃34;的位置：＆＃34;和＆＃34;第二：＆＃34;相对于匹配数字的标签。

正则表达式捕获包含在其他字符中的列表中的数字

4 个答案:

说明 -