具有多个测试用例的字符串的正则表达式答案

【问题标题】：Regex for a string with multpile test cases具有多个测试用例的字符串的正则表达式
【发布时间】：2021-04-16 12:13:19
【问题描述】：

我正在尝试找出可能导致不同格式的字符串的特定正则表达式：

例子：

"Fluid 13.4"

"Fluid 13.4 gm% fluid_haemo 12.0-14.0"

"Fluid gm% 13.4 fluid_haemo 12.0-14.0"

"Fluid gm% fluid_hameo 12.0-14.0 13.4"

"fluid fluid fluid 13.4"

"fluid rex cell (FRC) 13.4"

"Fluid rex cell 1800"

我的实际要求有点棘手：

我想要“流体”或字符串中的第一个单词。
数字“13.4”或在某些情况下可能不是小数。
如果字符串中有连续单词后跟小数或数字。

字符串 1：“流体，13.4”编辑

字符串 2：“流体 13.4”

字符串 3：“流体 13.4”

弦 4：流体 13.4"

字符串 5：“流体流体 13.4”

字符串 6：“流体雷克斯细胞 (FRC) 13.4”

字符串 7：“流体雷克斯细胞 1800”

我尝试过的：

[a-zA-Z].* \d.*\.+\d.*

[a-zA-Z].* [\d.]+ (?=[a-z%\/])

但是由于显而易见的原因，我的正则表达式非常特定于大小写，我肯定不知道字符串会以什么格式生成。

有什么方法或正则表达式可以解决这样的问题吗？

【问题讨论】：

标签： python python-3.x regex

【解决方案1】：

你可能会使用

\b([a-zA-Z]+)(?: [a-zA-Z]+%.*?)? (\d+(?:\.\d+)?)(?!\S)

\b 防止部分匹配的单词边界
([a-zA-Z]+)捕获组1，匹配1+ char a-zA-Z
(?: [a-zA-Z]+%.*?)? 可以选择匹配空格和字符 a-z，后跟 % 和空格
(\d+(?:\.\d+)?) 捕获第 2 组，匹配 1+ 位和可选的小数部分
(?!\S) 断言右边的空白边界

Regex demo

import re

strings = [
    "Fluid 13.4",
    "Fluid 13.4 gm% fluid_haemo 12.0-14.0",
    "Fluid gm% 13.4 fluid_haemo 12.0-14.0",
    "Fluid gm% fluid_hameo 12.0-14.0 13.4"
]
pattern=r"\b([a-zA-Z]+)(?: [a-zA-Z]+%.*?)? (\d+(?:\.\d+)?)(?!\S)"
for s in strings:
    print(re.findall(pattern, s))

输出

[('Fluid', '13.4')]
[('Fluid', '13.4')]
[('Fluid', '13.4')]
[('Fluid', '13.4')]

编辑

要捕获第一组中包含的“单词”，您可以选择包含重复匹配空格，后跟任何允许的字符的 1 倍以上，这些字符以右侧的空白边界结尾。

\b([A-Za-z]+\b(?:\s+[\w()]+)*(?!\S)).*?\s(\d+(?:\.\d+)?)(?!\S)

\b防止部分匹配的单词边界
( 捕获第 1 组
- [A-Za-z]+\b 匹配 1+ 个字符 A-Za-z 和一个单词边界
- (?:\s+[\w()]+)* 可选地重复空白字符，后跟字符类中任何允许字符的 1 倍以上
- (?!\S) 断言右边的空白边界
)关闭第一组
.*?\s 匹配尽可能少的字符，然后是空格字符
( 捕获第 2 组
- \d+(?:\.\d+)?
)关闭第二组
(?!\S) 断言右边的空白边界

Regex demo

【讨论】：

我怀疑应该是\b([A-Za-z]+)\b.*?\s(\d+(?:\.\d+)?)(?!\S)。刚想出这个，因为我认为所有字符串都应该匹配。
对于 3 号和 4 号测试用例，它并没有真正奏效。
@WiktorStribiżew 啊，我明白了，我错过了那部分。我用可选部分更新了它。
@WiktorStribiżew 你当然可以发布那个:-)
@JimitVaghela 是的，我添加了示例代码来获取组值。如果% 部分不是强制性的，您也可以查看 Wiktor 的答案。

【解决方案2】：

你可以使用

import re
rx = r'\b([A-Za-z]+)\b.*?\s(\d+(?:\.\d+)?)(?!\S)'
texts = ["Fluid 13.4","Fluid 13.4 gm% fluid_haemo 12.0-14.0","Fluid gm% 13.4 fluid_haemo 12.0-14.0","Fluid gm% fluid_hameo 12.0-14.0 13.4"]
for text in texts:
    match = re.search(rx, text)
    if match:
        print(text, '=>', f'{match.group(1)} {match.group(2)}')

# => Fluid 13.4 => Fluid 13.4
#    Fluid 13.4 gm% fluid_haemo 12.0-14.0 => Fluid 13.4
#    Fluid gm% 13.4 fluid_haemo 12.0-14.0 => Fluid 13.4
#    Fluid gm% fluid_hameo 12.0-14.0 13.4 => Fluid 13.4

请参阅 Python demo 和 regex demo。

详情：

\b - 单词边界
([A-Za-z]+) - 第 1 组：一个 ASCII 字母词
\b - 单词边界
.*? - 除换行符以外的任何零个或多个字符，尽可能少
\s - 一个空格
(\d+(?:\.\d+)?) - 第 2 组：一位或多位数字，然后是 . 和一位或多位数字的可选序列
(?!\S) - 右侧空白边界。

【讨论】：

肯定不错 ++
嗨，我添加了两个新的测试字符串。对此的任何建议将不胜感激。
@JimitVaghela 我的解决方案works。
它确实捕获了“fluid”和“13.4”，但假设在我最近添加的最后两个字符串中，在该部分中，我还想匹配所有存在的单词作为数字？
@JimitVaghela 所以，你想要\b([A-Za-z]+\b.*?)\s+(\d+(?:\.\d+)?)(?!\S)？见this demo

【解决方案3】：

看起来你的输入总是有Fluid，然后后面的第一个数字就是你想要的。如果是这种情况，您可以使用

Fluid\b.*?(\d*\.?\d*)

这匹配文本Fluid，后跟一个“边界”字符，然后跳过它可以找到的最小字符数，直到找到尽可能多的十进制数字字符，可选的小数点后跟尽可能多的十进制字符可以的。

这当然是特定于您的情况，并且依赖于 Fluid 始终存在。

在您的最后一种情况下，它将匹配 12.0 而不是 13.4

【讨论】：