Question

我经常遇到这样的模式，其中有趣的部分由特定字符界定，其余部分无关紧要。一个典型的例子：

/dev/sda1       472437724  231650856 216764652  52% /

我想通过说出“匹配任何内容来提取52（也可以是9或100-1到3位数字），然后到%（在该行中是唯一的），请参见前面以提取匹配项。。

我尝试将code this设置为.*(\d*)%.*，但该组不匹配：

.*可以匹配任意次数，任意次数的
% ...直到到达垃圾%（\d也与.*匹配，但我的理解是一旦%匹配后，正则表达式引擎将向后工作，因为它现在具有一个“锚” ，可以在此基础上分析以前的内容-请告知这种推理是否正确，谢谢）
(\d*) ... ...在此之前，%您有(\d*)可以进行匹配和分组
.* ...，其余的无所谓（匹配所有内容）

Answer 1

您的正则表达式不起作用，因为.匹配太多，而组匹配太少。由于\d*量词，*组基本上不能匹配，而所有内容都与.匹配。

您对.*的描述有些不正确。实际上，它匹配所有内容直到结尾，然后向后移动直到它后面的东西（(\d*).*）匹配为止。有关更多信息，请参见here。

事实上，我认为您的文字可以简单地通过以下方式进行匹配：

(\d{1,3})%

加入小组1。

“一直寻找直到找到...”的逻辑已经融入了正则表达式引擎中，因此除非您希望在比赛中使用它，否则无需明确地说出.*。在这种情况下，您只希望%前面的数字正确吗？

Answer 2

如果您只是想提取数字，那么我将使用：

import re
pattern = r"\d*(?=%)"
string = "/dev/sda1   472437724  231650856 216764652  52% /"
returnedMatches = re.findall(pattern, string)

regex表达式对特殊字符很有帮助

Answer 3

在您的模式中，此部分.*匹配到字符串的末尾。然后，它会尽可能地放弃放弃，直到它可以匹配数字0+倍和%。

匹配%是因为可以匹配0+个数字。然后，您再次匹配.*直到字符串的结尾。有一个捕获组，只有一个空白。

您可能要做的是在数字前添加单词边界或空格：

.* (\d{1,3})%.*或.*\b(\d{1,3})%.*

请注意，使用.*（贪婪）会得到数字的最后一个实例和%符号。

如果您将其设为非贪婪，则可以匹配第一个匹配项：

.*?(\d{1,3})%.*

Answer 4

默认情况下，正则表达式尽可能贪婪地匹配。正则表达式序列中的首个.*匹配所有%之前的内容：

"/dev/sda1       472437724  231650856 216764652  52"

这对于正则表达式是可接受的，因为它只是选择让下一个模式(\d*)匹配0个字符。

在这种情况下，您可以使用几个选项。我最建议使用前面的空格来定义一个序列，该序列“以单个空格开头，中间包含任意数量的数字，并以百分比符号结尾”：

' (\d*)%'

Answer 5

尝试一下：

.*(\b\d{1,3}(?=\%)).*