如何为行内有序列表创建正则表达式？

Question

我有一个表单字段，这个字段只能包含内联的有序列表：

1. This item may be contain characters, symbols or numbers. 2. And this item also...

下面的代码无法对用户输入进行验证（用户只能输入内联的有序列表）：

definiton_re = re.compile(r'^(?:\d\.\s(?:.+?))+$')
validate_definiton = RegexValidator(definiton_re, _("Enter a valid 'definition' in format: 1. meaning #1, 2. meaning #2...etc"), 'invalid')

附注：这里我使用的是Django框架中的RegexValidator类来验证表单字段的值。

Answer 1

这是我的解决方案。效果还不错。

input = '1. List item #1, 2. List item 2, 3. List item #3.'
regex = re.compile(r'(?:^|\s)(?:\d{1,2}\.\s)(.+?)(?=(?:, \d{1,2}\.)|$)')
# Parsing.
regex.findall(input) # Result: ['List item #1', 'List item 2', 'List item #3.']
# Validation.
validate_input = RegexValidator(regex, _("Input must be in format: 1. any thing..., 2. any thing...etc"), 'invalid')
validate_input(input) # No errors.

Answer 2

OP提供了一个不错的解决方案。 为了进一步优化，我们来做一些正则表达式的改进和简化。

(?<!\S)\d{1,2}\.\s((?:(?!,\s\d{1,2}\.),?[^,]*)+)

以下是新的内容：

• (?:^|\s) 这个部分可以在选择中进行回溯匹配。我们这里用 (?<!\S) 来替代，确保我们前面不是非空白字符。
• \d{1,2}\.\s 不需要放在一个非捕获组里。
• (.+?)(?=(?:, \d{1,2}\.)|$) 这个部分有点复杂。我们把它改成：
  • ( 捕获组
  •   (?:
  •     (?! 负向前瞻：确保我们的位置不是：
  •       ,\s\d{1,2}\. 一个逗号，空格字符，然后是列表索引。
  •     )
  •     ,?[^,]* 这里是有趣的优化：
  • • 如果有逗号，我们就匹配它。因为我们从前瞻中知道这个位置不是新列表索引的开始。因此，我们可以安全地假设后面的非逗号序列（如果有的话）与下一个元素无关，所以我们用 * 量词来处理它们，这样就没有回溯了。
  • • 这比 (.+?) 有了显著的改进。
  •   )+ 一直重复这个组，直到负向前瞻失败。
  • )

你可以用这个替代另一个答案中的正则表达式，这里有一个正则表达式演示！

---

不过，乍一看，这个问题用 re.split() 来解析会更好：

input = '1. List item #1, 2. List item 2, 3. List item #3.';
lines = re.split('(?:^|, )\d{1,2}\. ', input);
 # Gives ['', 'List item #1', 'List item 2', 'List item #3.']
if lines[0] == '':
  lines = lines[1:];
 # Throws away the first empty element from splitting.
print lines;

这里有一个在线代码演示。

不幸的是，对于验证，你还是得用正则匹配的方法，只需在上面编译正则表达式：

regex = re.compile(r'(?<!\S)\d{1,2}\.\s((?:(?!,\s\d{1,2}\.),?[^,]*)+)')