如何检查正则表达式是否完全匹配字符串，即字符串中没有额外字符？

Question

我有两个问题：

1) 我有一个正则表达式 ([A-Z][a-z]{0,2})(\d*)，我在用Python的 re.finditer() 来匹配合适的字符串。我的问题是，我想只匹配那些没有额外字符的字符串，否则我想抛出一个异常。

我想匹配的模式是：一个大写字母，后面跟着0到2个小写字母，再后面是0个或多个数字。

这个模式代表的是化学式，也就是一个元素后面跟着它出现的次数。我想把元素放到一个字典里，并记录它的出现次数，所以我需要把元素（大写字母后面跟着0到2个小写字母）和数字分开，但要记住它们是一起的。

例如：

C6H5Fe2I   # this string should be matched successfully. Result: C6 H5 Fe2 I
H2TeO4     # this string should be matched successfully Result: H2 Te O4
H3PoooO5   # exception should be raised
C2tH6      # exception should be raised

2) 第二个问题是，如果输入字符串不正确，我应该抛出什么样的异常。

谢谢，Tomas

Answer 1

你是需要把每个部分单独提取出来处理，还是只是想检查输入是否有效？如果你只是想检查输入的有效性，可以试试这个：^([A-Z][a-z]{0,2}\d*)+$。

Answer 2

一个大写字母，后面跟着0、1或2个小写字母，再后面跟着0个或多个数字。

好的。

/^([A-Z][a-z]{0,2}\d*)+$/

这里的区别在于额外的分组 (foo)+ 在 ^$ 里面，这样你就可以捕捉到模式 foo 出现N次。

没有全局标志？那你可能需要再次根据这个模式来分割正则表达式的结果。

Answer 3

这里有几种不同的方法可以使用：

比较长度

• 先找出原始字符串的长度。
• 然后把匹配到的字符串的长度加起来。
• 如果这两个数字不一样，那说明有一些字符没有被用到。

注意，如果你想避免重复解析字符串，可以把这个方法和你现有的代码结合起来，而不是单独作为一个步骤来做。

整个字符串的正则表达式

你可以检查这个正则表达式是否匹配整个字符串：

^([A-Z][a-z]{0,2}\d*)*$

(Rubular)

分词

你可以用下面的正则表达式来对原始字符串进行分词：

[A-Z][^A-Z]*

然后检查每个词是否和你原来的正则表达式匹配。