regex或不起作用我不知道我的模式出了什么问题

Question

我有以下字符串：

2020-10-2125Chavez and Sons
2020-05-02Bean Inc
NaNRobinson, Mcmahon and Atkins
2020-04-25Hill-Fisher
2020-04-02Nothing and Sons
52457Carpenter and Sons
0Carpenter and Sons
Carpenter and Sons
NoneEconomy and Sons
2020-04-02

我想把它分开：

myRegex = '^([-\d]{0,}|[NnaAOoEe]{0,})(.*)' or '^([0-9]{4}-[0-9]{2}-[0-9]{2,}|[\d]{0,}|[NnaAOoEe]{0,})([\D]{0,})$'

我想要所有数字，精确匹配（na，nan，none）-大写和小写以及第一组中的“”，如：

[2020-10-2125][Chavez and Sons]
[2020-05-02][Bean Inc]
[NaN][Robinson, Mcmahon and Atkins]
[2020-04-25][Hill-Fisher]
[2020-04-02][Nothing and Sons]
[52457][Carpenter and Sons]
[0][Carpenter and Sons]
[][Carpenter and Sons]
[None][Economy and Sons]
[2020-04-02][]

这是错误的：

[2020-04-02No][thing and Sons]

我想要

[2020-04-02][Nothing and Sons]

我如何编写一个正则表达式来检查像“none”这样的精确匹配——不区分大小写（也应该识别“none”、“none”等）

https://regex101.com/r/HvnZ47/3

Answer 1

关于re.I的以下内容如何：

(None|NaN?|[-\d]+)?(.*)

https://regex101.com/r/d4XPPb/3

说明：

• (None|NaN?|[-\d]+)?
  • 要么没有
  • 或者最后N是可选的NaN（由于?），因此它也匹配NA
  • 或数字和破折号一次或多次
  • 整个组()是可选的，因为?意味着它可能不在那里
• (.*)结尾的任何字符

但是，仍然可能存在边缘情况。考虑以下事项：

National Geographic
 -Test

将被解析为

[Na][tional Geographic]
[ -][Test]

---

另一种选择：

从这里我们可以继续使正则表达式变得更复杂，但是，我认为在没有正则表达式的情况下实现自定义解析会简单得多。每行和中的循环字符：

• 如果它以数字开头，则将所有数字和破折号解析为组1，其余的解析为组2（即当您点击一个字符时，更改组）
• 取字符串的前4个字符，如果它们为“无”，则将其拆分。同时确保第5个字符为大写（不区分大小写line[:4].lower() == "none" and line[4].isupper()）
• 与上述步骤类似，但对于NA和NaN：
  • line[:3].lower() == "nan" and line[3].isupper()
  • line[:2].lower() == "na" and line[2].isupper()

以上内容应该会产生更准确的结果，并且应该更容易阅读

示例代码：

with open("/tmp/data") as f:
    lines = f.readlines()

results = []
for line in lines:
    # Remove spaces and \n
    line = line.strip()
    if line[0].isdigit() or line[0] == "-":
        i = 0
        while line[i].isdigit() or line[i] == "-":
            i += 1
            if i == len(line) - 1:
                i = len(line)
                break
        results.append((line[:i], line[i:]))

    elif line[:4].lower() == "none" and line[4].isupper():
        results.append((line[:4], line[4:]))

    elif line[:3].lower() == "nan" and line[3].isupper():
        results.append((line[:3], line[3:]))

    elif line[:2].lower() == "na" and line[2].isupper():
        results.append((line[:2], line[2:]))
    else:
         # Assume group1 is missing! Everything is group2
         results.append((None, line))

for g1, g2 in results:
    print(f"[{g1 or ''}][{g2}]")

数据：

$ cat /tmp/data 
2020-10-2125Chavez and Sons
2020-05-02Bean Inc
NaNRobinson, Mcmahon and Atkins
2020-04-25Hill-Fisher
2020-04-02Nothing and Sons
52457Carpenter and Sons
0Carpenter and Sons
Carpenter and Sons
NoneEconomy and Sons
NoNeEconomy and Sons
2020-04-02
NAEconomy and Sons
 -Test
National Geographic

输出：

$ python ~/tmp/so.py 
[2020-10-2125][Chavez and Sons]
[2020-05-02][Bean Inc]
[NaN][Robinson, Mcmahon and Atkins]
[2020-04-25][Hill-Fisher]
[2020-04-02][Nothing and Sons]
[52457][Carpenter and Sons]
[0][Carpenter and Sons]
[][Carpenter and Sons]
[None][Economy and Sons]
[NoNe][Economy and Sons]
[2020-04-02][]
[NA][Economy and Sons]
[ -][Test]
[][National Geographic]

Answer 2

您可以将想要匹配的表达式与一个简单的|组合起来，但是请记住，引擎总是会选择第一个可能的匹配；因此，您希望先放置更具体的模式，然后再返回到更一般的情况

试试这个：

my_re = re.compile(r'^([0-9]{4}-[0-9]{2}-[0-9]{2,}|\d+|N(?:aN|one)|)(\D.*)$', re.IGNORECASE)

re.IGNORECASE标志表示忽略大小写差异

另外，注意量词{0,}写得更好*；但是您希望至少需要一个匹配，或者返回到一个更通用的模式，因此实际上您需要+（也可以写为{1,}；但是，还是更喜欢更简洁的标准表示法）。 在已经封装字符类的\D周围不需要方括号（但是如果您想将两个字符类（如[-\d]）合并在一起，则需要方括号）

演示：https://ideone.com/Qwp5ao

最后，请注意，用于命名局部变量的标准Python表示法更倾向于snake_case而不是dromedaryCase。（另见Wikipedia。）