如何用正则表达式匹配未知数量的分组

Question

我想在一个程序的输出日志上使用正则表达式（在Python中）。这个日志里有一些看起来像这样的行：

... 
VALUE 100 234 568 9233 119
... 
VALUE 101 124 9223 4329 1559
...

我想要抓取在第一行以“VALUE”开头之后出现的数字列表。也就是说，我希望它返回('100','234','568','9233','119')。问题是，我事先不知道会有多少个数字。

我尝试使用这个正则表达式：

VALUE (?:(\d+)\s)+

这个表达式能匹配到那一行，但它只抓取到了最后一个值，所以我只得到了('119',)。

Answer 1

这里还有一个没有提到的选项，就是可以使用一些可选的捕获组。

VALUE *(\d+)? *(\d+)? *(\d+)? *(\d+)? *(\d+)? *$

这个正则表达式可以捕获最多5组由空格分开的数字。如果你需要更多的数字组，只需复制粘贴更多的 *(\d+)? 代码块就可以了。

Answer 2

>>> import re
>>> reg = re.compile('\d+')
>>> reg.findall('VALUE 100 234 568 9233 119')
['100', '234', '568', '9223', '119']

这段话的意思是，它并没有检查关键词'VALUE'是否出现在字符串的开头，也没有检查每个项目之间是否只有一个空格。不过，如果你能把这些检查作为一个单独的步骤来做（或者根本不需要做这些检查），那么它就能在任何字符串中找到所有的数字序列。

Answer 3

你需要的是一个解析器，而不是简单的正则表达式匹配。在你的情况下，我建议使用一个非常简单的解析器，split()：

s = "VALUE 100 234 568 9233 119"
a = s.split()
if a[0] == "VALUE":
    print [int(x) for x in a[1:]]

你可以先用正则表达式检查一下你的输入行是否符合预期的格式（用你问题中的正则表达式），然后就可以运行上面的代码，而不需要再检查"VALUE"，因为你已经确认后面的字符组都是数字，所以int(x)的转换一定会成功。