Python正则表达式，在文本文件中查找垃圾字

Question

到目前为止，我们已经有了这个

re.findall(r'[+-](?!\d)|(?<!\d)[.]|[^\+\-.\d\w\s]+',str)

但不会在数字之间取点，而@.%会将每个数字作为一个单词而不是一个单词。

第一个示例问题：15.2.2.2.2.2.是：

1. 15.2
2. 2.2
3. 2.2

垃圾不会在这些数字和最后之间取点;我在模式中缺少什么？

---

2 ^nd 问题：#.@

将被视为

1. #
2. .
3. @

而不是#.@！ !!!

Answer 1

请注意.将匹配任何字母。如果你想匹配一个“。” （句号;句号;小数点）然后你需要\.。

另外，5.2.2.2.2.2可以匹配数字5.2 .2 .2 .2 .2，因此不包含垃圾。

更一般地说，我认为使用正则表达式你想要做的事情是不可能的。我没有证据，但我很确定你会更好地匹配单词和数字，然后标记留下的垃圾：

>>> everything = re.compile(r'(?:[+-]?\d+(?:\.\d*)?|[+-]?\.\d+)|\w+|(.)') 
>>> everything.findall('123  . &^%! a.b  3.14')
['', ' ', '.', ' ', '&', '^', '%', '!', ' ', '', '.', '', ' ', ' ', '']

但它没有分组。不同之处在于这会强制从左到右的顺序。如果你开始尝试做回顾，你会遇到严重的歧义问题，多种方法来划分5.2.2等。

以上工作通过匹配数字或单词，但不形成组。然后，如果其他一切都失败了，它会匹配一块垃圾并再次尝试。