简单数学表达式的正则表达式

Question

作为一个练习，我试图想出一个正则表达式来评估简单的代数，比如

q = '23 * 345 - 123+65'

从这里我想得到'23'、'*'、'345'、'-'、'123'、'+'、'65'。

现在，我搜索了类似的问题，其他人已经解决了这个问题。但我真正想知道的是为什么 my 解决方案不起作用。

这是我得到的最好的：

regexparse = '(\d+\s*(\*|\/|\+|\-)\s*)+(\d+\s*)'

解释

• (\d+\s*(*|/|+|-)\s*)+
  • ( 一个或多个数字 \d+ 后面可以跟空格 \s* 然后必须跟一个符号 (*|/|+|-) 然后后面可以跟更多空格 \s* 和整个事情必须至少出现一次)+
• (\d+\s*)
  • 一个或多个数字，后面可以跟空格

但是，当我运行代码时

m = re.match(regexparse, q)
print m.group(0)
print m.group(1)
print m.group(2)
print m.group(3)

我明白了

23 * 345 - 123+65
123+
+
65

所以就像第一个块匹配尽可能少的字符一样。为什么？

Answer 1

这是你的正则表达式：

(\d+\s*(\*|\/|\+|\-)\s*)+(\d+\s*)

(\d+\s*(\*|\/|\+|\-)\s*) 将匹配表达式的第一部分：23 * 并将 * 存储在第二组中。

然后+ 使其重复，但由于重复捕获组仅保留它们的最后一个匹配项，它将丢弃23 * 和*，而是匹配第二组中的345 - 和-。

+ 在下一次重复时再次工作，以丢弃最后一次捕获，而是在第一组中捕获 123+，在第二组中捕获 +。

接下来，+ 不能再重复，所以它停止，(\d+\s*) 开始匹配以获取 65。

---

重复捕获组仅存储最后一个捕获的事实是正则表达式的设计方式，并且在所有正则表达式引擎 AFAIK 中都是如此。

---

进一步阐述：

重复匹配和重复捕获是有区别的。尝试：(\d)+ on 12345，您会看到只有 5 会被捕获。就像那样，因为您的父母被分配了一个特定的组捕获。第一组分配给组 1，如果组 1 有很多捕获，则只能保留 1，这是最后一个。这就是正则表达式的工作原理，不幸的是，as per the docs:

如果一个组匹配多次，则只能访问最后一个匹配

---

如果你想得到你想要的输出，你可以使用re.findall并匹配\d+|[+/*-]：

import re
q = '23 * 345 - 123+65'
regexparse = r'\d+|[+/*-]'
elem = re.findall(regexparse, q)
print(elem)
#=> ['23', '*', '345', '-', '123', '+', '65']

Answer 2

我只能说一般的正则表达式，因为我不知道python，但你的问题是在

(\d+\s*[\*/+-]\s*)+(\d+\s*)

这部分

(\d+\s*[\*/+-]\s*)+

正在重复，当它完全完成评估时，您只会看到最后一个。

Answer 3

试试这个。

import re
q = '23 * 345 - 123+65'
regexparse = r'(\d+)|[-+*/]'
for i in re.finditer(regexparse, q):
    print i.group(0)

输出：

23
*
345
-
123
+
65

Answer 4

您的正则表达式令人困惑。为此最好使用re.split()：

q = '23 * 345 - 123+65'
print re.split('\s*([-+/*])\s*', q)

输出：

['23', '*', '345', '-', '123', '+', '65']