Python - 使用详细的正则表达式解析用户输入答案

【问题标题】：Python - parsing user input using a verbose regexPython - 使用详细的正则表达式解析用户输入
【发布时间】：2015-11-24 20:23:57
【问题描述】：

我正在尝试设计一个正则表达式，以完整句子的形式解析用户输入。我正在努力让我的表达充分发挥作用。我知道它编码不好，但我正在努力学习。我目前正在尝试将它解析为代码下的一个字符串。

我的测试“句子”=How I'm 15.5% wholesome-looking U.S.A. we RADAR () [] {} you -- are, ... you?

text = input("please type somewhat coherently: ")

pattern = r'''(?x)              # set flag to allow verbose regexps
    (?:[A-Z]\.)+                # abbreviations, e.g. U.S.A.
    |\w+(?:[-']\w+)*            # permit word-internal hyphens and apostrophes
    |[-.(]+                     # double hyphen, ellipsis, and open parenthesis
    |\S\w*                       # any sequence of word characters
    # |[\d+(\.\d+)?%]           # percentages, 82%
    |[][\{\}.,;"'?():-_`]       # these are separate tokens
    '''

parsed = re.findall(pattern, text)
print(parsed)

我的输出 = ['How', "I'm", '15', '.', '5', '%', 'wholesome-looking', 'U.S.A.', 'we', 'RADAR', '(', ')', '[', ']', '{', '}', 'you', '--', 'are', ',', '...', 'you', '?']

我希望将'15', '.', '5', '%' 解析为'15.5%'。当前被注释掉的行是应该做的，但是当被注释掉时，绝对没有任何作用。我搜索了资源以提供帮助，但他们没有。

感谢您的宝贵时间。

【问题讨论】：

为什么你的百分比模式包含在字符类[...]中？
您已将\d.\d% 占位符放在字符类中（不重复）。此外，它可能只有在单词+连字符规则之前才会生效。
谢谢，我已经修好了，学到了很多。它现在可以工作了，我只是不太了解正则表达式，并且正在尽可能快地学习。

标签： python regex

【解决方案1】：

如果您只想将百分比匹配作为一个整体实体，您确实应该知道正则表达式引擎会从左到右分析输入字符串和模式。如果你有一个替代，将选择与输入字符串匹配的最左边的替代，其余的甚至不会被测试。

因此，您需要将替代\d+(?:\.\d+)?向上拉，并将捕获组变为非捕获组，否则findall会产生奇怪的结果：

(?x)              # set flag to allow verbose regexps
(?:[A-Z]\.)+                # abbreviations, e.g. U.S.A.
|\d+(?:\.\d+)?%           # percentages, 82%  <-- PULLED UP OVER HERE
|\w+(?:[-']\w+)*            # permit word-internal hyphens and apostrophes
|[-.(]+                     # double hyphen, ellipsis, and open parenthesis
|\S\w*                       # any sequence of word characters#
|[][{}.,;"'?():_`-]       # these are separate tokens

见regex demo。

另外，请注意我用[][{}.,;"'?():_`-] 替换了[][\{\}.,;"'?():-_`]：大括号不必转义，- 形成了一个由冒号（十进制代码 58）和下划线（十进制 95）匹配的不必要范围;，<，=，>，?，@，所有大写拉丁字母，[，\，]和^。

【讨论】：