正则表达式问题的帮助

Question

我想知道是否可以为以下数据模式制作正则表达式：

'152：德系 A、Benlifer A、Korenblit J、Silberstein SD。'

string = '152: Ashkenazi A, Benlifer A, Korenblit J, Silberstein SD.'

我正在使用这个正则表达式（使用 Python 的 re 模块）来提取这些名称：

re.findall(r'(\d+): (.+), (.+), (.+), (.+).', string, re.M | re.S)

结果：

[('152', 'Ashkenazi A', 'Benlifer A', 'Korenblit J', 'Silberstein SD')]

现在尝试使用不同数量（小于 4 或大于 4）的名称数据模式不再有效，因为 RegEx 预计只能找到其中的 4 个：

(.+), (.+), (.+), (.+).

我找不到概括这种模式的方法。

Answer 1

正则表达式可能不是解决这个问题的最佳方法。你可以使用split():

>>> s = '152: Ashkenazi A, Benlifer A, Korenblit J, Silberstein SD.'
>>> s.split(": ")
['152', 'Ashkenazi A, Benlifer A, Korenblit J, Silberstein SD.']
>>> s.split(": ")[1].split(", ")
['Ashkenazi A', 'Benlifer A', 'Korenblit J', 'Silberstein SD.']

Answer 2

如果你只想要数字后面的东西，这应该可以解决问题：

re.findall(r'\d+: (.+)(?:, .+)*\.', input, re.M | re.S)

如果你想要一切：

re.findall(r'(\d+): (.+)(?:, .+)*\.', input, re.M | re.S)

如果你想把它们分成一个匹配列表，嵌套的正则表达式会做到这一点：

re.findall(r'[^,]+,|[^,]+$', re.findall(r'\d+: (.+)(?:, .+)*\.', input, re.M | re.S)[0],re.M|re.S)

Answer 3

如果你的意思是可能有更多（或更少）的名字，你也许应该尝试这样的事情： (\d+): (.+)*?星号 (*) 表示 (.+) 出现 0 次或多次

Answer 4

我可以接近，但可能需要进一步处理。手动拆分字符串可能会更好，尤其是在数据格式可靠的情况下。

代码

import re
string1 = '152: Ashkenazi A, Benlifer A, Korenblit J, Silberstein SD.'
string2 = '152: Ashkenazi A, Benlifer A, Korenblit J, Silberstein SD, Hattingh CJR.'
for i in [string1, string2]:
    print re.findall(r'(\d+):|(?:[.,\s?])?(.*?)(?:[.,])', i)

输出

[('152', ''), ('', 'Ashkenazi A'), ('', 'Benlifer A'), ('', 'Korenblit J'), ('', 'Silberstein SD')]
[('152', ''), ('', 'Ashkenazi A'), ('', 'Benlifer A'), ('', 'Korenblit J'), ('', 'Silberstein SD'), ('', 'Hattingh CJR')]

编辑：使用 2 个表达式

如果您愿意使用两个正则表达式，可以相当轻松地完成：

import re
string1 = '152: Ashkenazi A, Benlifer A, Korenblit J, Silberstein SD.'
string2 = '152: Ashkenazi A, Benlifer A, Korenblit J, Silberstein SD, Hattingh CJR.'
for i in [string1, string2]:
    print re.findall(r'^(\d+):', i)
    print re.findall(r'(?:[:,] )(\S+ [A-Z]+)(?=[\.,])', i)

生产

['152']
['Ashkenazi A', 'Benlifer A', 'Korenblit J', 'Silberstein SD']
['152']
['Ashkenazi A', 'Benlifer A', 'Korenblit J', 'Silberstein SD', 'Hattingh CJR']