python re 匹配组

Question

我想从字符串中提取一些字段，但我不确定具体有多少个。我用了正则表达式，但遇到了一些我不理解的问题。

比如说：

  199  -> (199)
  199,200  -> (199,200)
  300,20,500 -> (300,20, 500)

我试过了，但总是无法让它正常工作。希望有人能给我一些建议，我会非常感激。

我尝试的正则表达式是：

>>> re.match('^(\d+,)*(\d+)$', '20,59,199,300').groups()
('199,', '300')
// in this, I do not really care about ',' since I could use .strip(',') to trim that. 

我在网上查了一下，试着用 re.findall，但我不确定该怎么做才能得到这个：

>>> re.findall('^(\d+,)*(\d+)$', '20,59,199,300')
[('199,', '300')]

------------------------------------------------------更新

我意识到如果不讲清楚整个故事，这个问题可能会让人困惑。基本上，我想验证在 crontab（或类似的）中定义的语法。

我创建了一个数组 _VALID_EXPRESSION：它是一个嵌套的元组。

 (field_1,
  field_2,
 )

对于每个 field_1，它有两个元组，

 field_1:   ((0,59),        (r'....', r'....'))
            valid_value   valid_format 

在我的代码中，它看起来是这样的：

_VALID_EXPRESSION =  \
 12     (((0, 59), (r'^\*$', r'^\*/(\d+)$', r'^(\d+)-(\d+)$',
 13                 r'^(\d+)-(\d+)/(\d+)$', r'^(\d+,)*(\d+)$')),   # second
 14      ((0, 59), (r'^\*$', r'^\*\/(\d+)$', r'^(\d+)-(\d+)$',
 15                 r'^(\d+)-(\d+)/(\d+)$', r'^(\d+,)*(\d+)$')),   # minute
 16        .... )

在我的解析函数中，我只需要提取所有的组，看看它们是否在有效值的范围内。

我需要的正则表达式之一是能够正确匹配这个字符串 '50,200,300' 并提取出所有的数字。（当然，我可以使用 split()，但那样会背离我最初的意图，所以我不喜欢这个主意。）

希望这对你有帮助。

Answer 1

为什么不直接用字符串的split方法呢？

numbers = targetstr.split(',')

Answer 2

最简单的解决方案是用正则表达式来实现：

r"(\d+,?)"

你可以用 findall 来获取你想要的 300,、20, 和 500。或者，如果你不想要逗号的话：

r"(\d+),?"

这个表达式可以匹配一个或多个数字，后面跟着0个或1个逗号（逗号不在数字组里）。

无论哪种方式：

>>> s = '300,20,500'
>>> r = re.compile(r"(\d+),?")
>>> r.findall(s)
['300', '20', '500']

不过，正如Sahil Grover所指出的，如果这些是你的输入字符串，其实只需要调用 s.split(',') 就可以了。如果你的输入字符串可能包含非数字的内容，这样做可以确保你只匹配数字字符串，但即使这样，使用 filter(str.isdigit, s.split(',')) 可能会更简单。

如果你想要的是一个 tuple（元组）里的 int（整数），而不是一个 list（列表）里的 str（字符串）：

>>> tuple(map(int, r.findall(s)))
(300, 20, 500)

如果你觉得列表推导式或生成器表达式比 map 或 filter 更容易理解：

>>> tuple(int(x) for x in r.findall(s))
(300, 20, 500)

或者，更简单的方法是：

>>> tuple(int(x) for x in s.split(',') if x.isdigit())
(300, 20, 500)

如果你想要字符串 (300, 20, 500)，当然可以通过对 tuple 调用 repr 来实现，但其实有更简单的方法可以得到这个：

>>> '(' + s + ')'
'(300, 20, 500)'

---

你最初的正则表达式：

'^(\d+,)*(\d+)$'

… 将会返回正好两个组，因为你的模式里正好有两个组。而且，由于你明确地用 ^ 和 $ 包裹了它，它必须匹配整个字符串，所以 findall 在这里并没有帮助——它会找到和 match 一样的那个匹配（两个组）。