Question

假设我有一个文本文件，其中包含一些我希望在常规书面语言中丢失的数据我想要检索的每个数据都是一个3到0之间的数字元组（我将N1调用到N3），可以用4种不同的方式格式化：

N1-N2-N3
N1N2N3
N1.N2.N3
N1/N2/N3

使用正则表达式，是否可以描述类似的内容：
稍后我会致电separator的内容是此列表中的内容： [ '-', '', '.', '/' ]
我的表达如下： N1{separator}N2{same_separator_as_the_first_one}N3 ？

似乎唯一的表达方式是：
我的表达方式如下： ({N1}-{N2}-{N3}) OR ({N1}{N2}{N3}) OR ({N1}.{N2}.{N3}) OR ({N1}/{N2}/{N3})

......很快变得难以理解......

是否可以使用正则表达式实现第一种表达式？有没有可用的正则表达式允许这种表达方式吗？

真正的问题是：

考虑到可用的格式，编写函数的最佳方法是什么获取一个字符串并将N1与使用的分隔符一起返回给N3 character（当字符串与any不匹配时抛出异常格式）？

Answer 1

这在很大程度上取决于正则表达式的味道，但在一种典型的语言中，我会写：

([1-9]?[0-9])([-./]?)([1-9]?[0-9])\2([1-9]?[0-9])

然后组2是分隔符，组1,3和4是三个数字。

Answer 2

你的正则表达式应该如下：

N1([-\./])N2\1N3

\1表示“在第一个括号内匹配的内容”，例如[-\./]匹配的内容。当然，在非分隔符的情况下，您需要了解更多有关N1和N2的形式以确保匹配。如果你只有“是一个整数”，你可能会遇到困难（N1何时结束，N2何时开始？）。

您正在寻找的东西通常都是所谓的“反向引用”。见这里：http://www.regular-expressions.info/brackets.html。

Answer 3

在正则表达式的正式定义中，您不能像在“快速不可读”的解决方案中那样，在不枚举它们的情况下使用“相同分隔符作为最后一个”。你需要一个无上下文的语法来“记住”这样的东西;幸运的是（正如其他人所指出的）大多数正则表达式实现包括这样的功能。

Answer 4

以下是使用Python's Regular Expression库执行此操作的方法：

>>> import re
>>>
>>> text = '''12-34-56
... 654321
... 24.68.10
... 1/86/42
... Nonsense
... 00-000-0000-00000
... '''
>>>
>>> for line in text.split('\n'):
...     m = re.match(r'^(\d{1,2})([-/.]?)(\d{1,2})\2(\d{1,2})$', line)
...     if m:
...         print m.group(1), m.group(3), m.group(4), 'were separated by [', m.group(2), ']'
...     else:
...         print '[', line, ']', 'was badly-formed'
...
12 34 56 were separated by [ - ]
65 43 21 were separated by [  ]
24 68 10 were separated by [ . ]
1 86 42 were separated by [ / ]
[ Nonsense ] was badly-formed
[ 00-000-0000-00000 ] was badly-formed
[  ] was badly-formed

是否有可能用正则表达式做类似的事情？如果没有，有哪些替代方案？

4 个答案: