正则表达式从文本中提取一两个值答案

【问题标题】：Regex to extract one or two values from text正则表达式从文本中提取一两个值
【发布时间】：2021-02-15 07:30:38
【问题描述】：

我正在尝试构建一个正则表达式（在 python 中）以从文本文档中提取一个或两个值。要匹配的模式将始终采用以下形式：

<div>SCORE: x to y<\/div>

其中 x 和 y 可以介于 -7 和 + 6 之间。有时只会出现一个数字。如果有两个数字，我需要同时捕获这两个数字。此外，“to”可能缺少逗号或破折号，甚至“too”！空白是可变的。所以我需要类似的东西，

x,y=re.findall('<div>SCORE: (-+?[0-5])[a-zA-Z]?(-+?[0-5]?)<\/div>', text)

除了这显然是不正确的。任何指导表示赞赏。

示例包括

<div>SCORE: 0</div>
<div>SCORE: 0 to 5</div>
<div>SCORE: -1 to 6</div>
<div>SCORE: -1 to -3</div>
<div>SCORE: -4</div>
<div>SCORE: 3</div>

【问题讨论】：

标签： python python-3.x regex

【解决方案1】：

其中 x 和 y 可以介于 -7 和 +6 之间。有时只会出现一个数字。如果有两个数字，我需要同时捕获这两个数字。 to 也可能缺少逗号或破折号，甚至 too！空白是可变的。

你可以试试这个正则表达式：

<div>SCORE:\s*([+-]?[1-6]|-7|0)(?:\s*(?:[-,]|too?)\s*([+-]?[1-6]|-7|0))?</div>

RegEx Demo

RexEx 解释：

<div>SCORE:：匹配<div>SCORE:文字
\s*: 0 个或多个空格
([+-]?[1-6]|-7|0)：匹配-7 和+6 之间的第一个数字并在#1 组中捕获
(?:: 启动非捕获组
- \s*: 0 个或多个空格
- (?:[-,]|too?)：匹配 - 或 , 或 to
- \s*: 0 个或多个空格
- ([+-]?[1-6]|-7|0)：匹配-7 和+6 之间的第一个数字并在组#2 中捕获
)?`: 结束可选非捕获组#1
</div>：比赛结束</div>

【讨论】：

谢谢你的解释！

【解决方案2】：

您可以为预期的数字格式编写一个正则表达式，然后再编写一个正则表达式来描述它们嵌入的测试结构：

number_regex = r'-[1-7]|0|[1-6]|\+[1-6]'  # numbers between -7 to 6
regex = r'<div>SCORE:\s*({0})\s+\w+\s+({0})\s*<\/div>'.format(number_regex)
occurrences = re.findall(regex, text)

基本上，您将感兴趣的文本描述为<div> 和</div> 之间的字符串，其序列由一个数字、一个单词和另一个数字组成，由一些空格分隔。

如果text 是：

text = (
    "<div>SCORE: 5 to 6</div>"
    "<div>SCORE: 0 to 6</div>"
    "<div>SCORE: -7 to 6</div>"
    "<div>SCORE: -7 to -2</div>"
    "<div>SCORE:0 to +2</div>"
    "<div>SCORE:hi to 1</div>"
)

你得到：

[('5', '6'), ('0', '6'), ('-7', '6'), ('-7', '-2'), ('0', '+2')]

【讨论】：

【解决方案3】：

假设x 和y 之间的分隔符始终是一组连续的非空白字符，则以下模式应该有效：

<div>SCORE:\s*(\S+)\s+\S+\s+(\S+)\s*<\/div>

我们可以在这里使用re.findall：

inp = "<div>SCORE: x to y</div>"
matches = re.findall(r'<div>SCORE:\s*(\S+)\s+\S+\s+(\S+)\s*<\/div>', inp)
print(matches)  # [('x', 'y')]

【讨论】：