使用正则表达式获取匹配字符串的百分比答案

【问题标题】：get percent of matched string with regex使用正则表达式获取匹配字符串的百分比
【发布时间】：2018-05-05 00:03:52
【问题描述】：

我需要获取与提供的字符串匹配的正则表达式的百分比，例如。我有正则表达式：

^[A-Za-z]{1,2}[0-9]{4}[a-zA-Z]{1,3}$

试图匹配包含一个或两个字符、四个数字和一到三个字符的字符串。现在，如果我将此正则表达式应用于aa1234bb，它将匹配，但如果使用aa1234，它将不匹配。

我想要的是在将正则表达式应用于字符串之后，它应该返回字符串与正则表达式匹配的百分比，例如对于aa1234，如果我们考虑最多 10 个字符，它与给定的正则表达式匹配几乎 70%会有任何匹配的字符串。

【问题讨论】：

我能想到的唯一方法就是计算组数。尝试将您的正则表达式扩展为 ^([a-z])([a-z])?(\d)(\d)(\d)(\d)([a-z])([a-z])?([a-z])?$ 并计算组数。否则，只需进行字符串和匹配长度比较。
Python re 模块匹配对象有一个 span() 方法返回匹配的跨度。您可以将其与总字符串长度进行比较。
1234bb 的百分比是多少？ aabb 怎么样？如果您想要的不是严格的从左到右匹配，这将变得更加困难。
@Kevin 它也应该给 70%

标签： python regex

【解决方案1】：

我想不出这在完全通用（即接受任何正则表达式）和完全在re 内是如何实现的。

一种简单但可能足够的方法是二分搜索。这假定您的正则表达式始终绑定到字符串的前面。下面是一个粗略的、未经测试的例子来展示这个想法。显然，对于长字符串，它可能会多次执行正则表达式。

def percent_match(regex, target):
    left = 0
    right = len(target) - 1
    current = right // 2
    while left < right:
        if regex.match(target[left:right]):
            left = current
        else:
            right = current
        current = (right - left) // 2
    return m / len(target)

另一方面，如果您只需要使用一个正则表达式来执行此操作，那么@ctwheels 方法可能最有意义。

【讨论】：

【解决方案2】：

这是我的尝试：

import re
full_pattern = re.compile(r"^([a-z][a-z]?)?(\d\d\d\d)?([a-z][a-z]?[a-z]?)?$")
num_pos_matches = 3 # 9 groups in our reg

list_of_test_cases = ["aa1234bb","aa1234","1234bb","aabb","+pow","aa","1234","b5555bb"]

def get_match_percentage(in_str):
  m = re.match(full_pattern,in_str)
  if m == None:
    return 0
  m_g = m.groups()

  counter = 0
  for x in m_g:
    if x == None:
      counter+=1
  return round((1 - counter/num_pos_matches) * 100,2)

# print some tests
for test_case in list_of_test_cases:
  print(test_case, " matched ",get_match_percentage(test_case), "% of the ",num_pos_matches, " Regex groups")

输出：

aa1234bb  matched  100.0 % of the  3  Regex groups
aa1234  matched  66.67 % of the  3  Regex groups
1234bb  matched  66.67 % of the  3  Regex groups
aabb  matched  66.67 % of the  3  Regex groups
+pow  matched  0 % of the  3  Regex groups
....

我认为肯定有一些失败的案例，例如我希望"123dfg" 给33.33%，但它会产生

123dfg  matched  0 % of the  3  Regex groups

所以你可以稍微按摩一下来解决这些问题。很多功劳归于@ctwheels 团体的想法。

【讨论】：