如何为内联有序列表创建正则表达式？

Question

我有一个表单域，其中大部分只包含内联有序列表：

1. This item may be contain characters, symbols or numbers. 2. And this item also...

以下代码不适用于用户输入验证（用户只能输入内联有序列表）：

definiton_re = re.compile(r'^(?:\d\.\s(?:.+?))+$')
validate_definiton = RegexValidator(definiton_re, _("Enter a valid 'definition' in format: 1. meaning #1, 2. meaning #2...etc"), 'invalid')

P.S.：这里我使用 Django 框架中的 RegexValidator 类来验证表单字段值。

Answer 1

Nice solution from OP. 为了更进一步，让我们做一些正则表达式优化/打高尔夫球。

(?<!\S)\d{1,2}\.\s((?:(?!,\s\d{1,2}\.),?[^,]*)+)

以下是新功能：

• (?:^|\s) 与交替之间的回溯匹配。这里我们使用(?<!\S) 代替，以断言我们不在非空白字符前面。
• \d{1,2}\.\s 不必在非捕获组中。
• (.+?)(?=(?:, \d{1,2}\.)|$) 太笨重了。我们将此位更改为：
  • ( 捕获组
  •  (?:
  •    (?! Negative lookahead：断言我们的位置是NOT：
  •       ,\s\d{1,2}\. 逗号、空格字符，然后是列表索引。
  •    )
  •   ,?[^,]* 这是有趣的优化：
  • • 如果有逗号，我们匹配一个逗号。因为我们从前瞻断言中知道该位置不会开始新的列表索引。因此，我们可以安全地假设非逗号序列的剩余位（如果有的话）与下一个元素无关，因此我们使用 * 量词翻转它们，并且没有回溯。
  • • 这是对(.+?) 的显着改进。
  •  )+ 不断重复该组，直到否定前瞻断言失败。
  • )

您可以使用它代替the other answer 中的正则表达式，这里是regex demo！

---

虽然乍一看，这个问题在解析时用re.split()解决更好：

input = '1. List item #1, 2. List item 2, 3. List item #3.';
lines = re.split('(?:^|, )\d{1,2}\. ', input);
 # Gives ['', 'List item #1', 'List item 2', 'List item #3.']
if lines[0] == '':
  lines = lines[1:];
 # Throws away the first empty element from splitting.
print lines;

这是online code demo。

不幸的是，对于验证，您必须遵循正则表达式匹配方法，只需在楼上编译正则表达式：

regex = re.compile(r'(?<!\S)\d{1,2}\.\s((?:(?!,\s\d{1,2}\.),?[^,]*)+)')

Answer 2

这是我的解决方案。效果不错。

input = '1. List item #1, 2. List item 2, 3. List item #3.'
regex = re.compile(r'(?:^|\s)(?:\d{1,2}\.\s)(.+?)(?=(?:, \d{1,2}\.)|$)')
# Parsing.
regex.findall(input) # Result: ['List item #1', 'List item 2', 'List item #3.']
# Validation.
validate_input = RegexValidator(regex, _("Input must be in format: 1. any thing..., 2. any thing...etc"), 'invalid')
validate_input(input) # No errors.