用于简单表达式的 Python 正则表达式标记器

Question

我编写了这个正则表达式，将表达式 'res=3+x_sum*11' 拆分为词位

import re
print(re.findall('(\w+)(=)(\d+)(\*|\+)(\w+)(\*|\+)(\d+)', 'res=3+x_sum*11'))

我的输出如下所示：

[('res', '=', '3', '+', 'x_sum', '*', '11')]

但我希望 re.findall 返回一个词位及其标记的列表，以便每个词位都在自己的组中。该输出应如下所示：

[('', 'res', ''), ('', '', '='), ('3', '', ''), ('', '', '+'),

('', 'x_sum', ''), ('', '', '*'), ('11', '', '')] 

我如何让 re.findall 返回这样的输出

Answer 1

您可以使用标记字符串

re.findall(r'(\d+)|([^\W\d]+)|(\W)', s)

请参阅regex demo。请注意，一旦模式包含多个捕获组，re.findall 就会返回一个元组列表。上面的模式包含 3 个捕获组，因此，每个元组包含 3 个元素：1+ 数字、1+ 字母/下划线或非单词字符。

更多详情

• (\d+) - 捕获组 1：1+ 位
• | - 或
• ([^\W\d]+) - 捕获组 2：1+ 非单词和数字字符（字母或下划线）以外的字符
• | - 或
• (\W) - 捕获组 3：非单词字符。

见Python demo:

import re
rx = r"(\d+)|([^\W\d]+)|(\W)"
s = "res=3+x_sum*11"
print(re.findall(rx, s))
# => [('', 'res', ''), ('', '', '='), ('3', '', ''), ('', '', '+'), ('', 'x_sum', ''), ('', '', '*'), ('11', '', '')]