Python正则表达式查找字母数字字母名称的所有组合

Question

我需要实现一个 Python 正则表达式来搜索所有出现的 A1a 或 A_1_a 或 A-1-a 或 _A_1_a_ 或 _A1a，其中：

• A 可以是A到Z。
• 1 可以是1 到 9。
• a 可以是a 到 z。

其中只有三个字符的字母数字字母，用下划线、破折号或什么都没有分隔。搜索字符串中的大小写需要完全匹配。

我遇到的主要问题是，有时这三个字母组合通过破折号和下划线连接到其他文本。还创建相同的正则表达式来搜索A1a、A-1-a 和A_1_a。

另外我忘了说这是一个 XML 文件。

感谢这找到了我正在寻找的每一次轻微修改 [-]?[A][-]?[1][-]?[a][-]?，但我需要这些是变量，比如

    [-]?[var_A][-]?[var_3][-]?[Var_a][-]? 

会这样吗

    regex = r"[-]?[%s][-]?[%s][-]?[%s][-]?" 
    print re.findall(regex,var_A,var_Num,Var_a)

或者更像：

    regex = ''.join(['r','\"','[-]?[',Var_X,'][-]?[',Var_Num,'][-]?[',Var_x,'][-]?','\"'‌​])
    print regex 
    for sstr in searchstrs: 
            matches = re.findall(regex, sstr, re.I)

但这不起作用

文件的示例行： 运行脚本之前

<t:ION t:SA="BoolObj" t:H="2098947" t:P="2098944" t:N="AN7 Result" t:CI="Boolean_Register" t:L="A_3_a  Fdr2" t:VS="true">
<t:ION t:SA="RegisterObj" t:H="20971785" t:P="20971776" t:N="ART1 Result 1" t:CI="NumericVariable_Register" t:L="A3a1 Status" t:VS="1">
<t:ION t:SA="ModuleObj" t:H="2100736" t:P="2097152" t:N="AND/OR 14" t:CI="AndOr_Module" t:L="A_3_a**_2 Energized from Norm" t:S="0" t:SC="5">

运行脚本后 我得到的是：（它正在删除整行，只留下下面的内容）

• B_1_c
• B1c1
• B_1_c_2

我想得到什么：

<t:ION t:SA="BoolObj" t:H="2098947" t:P="2098944" t:N="AN7 Result" t:CI="Boolean_Register" t:L="B_1_c  Fdr2" t:VS="true">
<t:ION t:SA="RegisterObj" t:H="20971785" t:P="20971776" t:N="ART1 Result 1" t:CI="NumericVariable_Register" t:L="B1c1 Status" t:VS="1">
<t:ION t:SA="ModuleObj" t:H="2100736" t:P="2097152" t:N="AND/OR 14" t:CI="AndOr_Module" t:L="B_1_c_2 Energized from Norm" t:S="0" t:SC="5">

import re
import os

search_file_name = 'Alarms Test.fwn'
pattern = 'A3a'
fileName, fileExtension = os.path.splitext(search_file_name)
newfilename = fileName + '_' + pattern + fileExtension
outfile = open(newfilename, 'wb')


def find_ext(text):
    matches = re.findall(r'([_-]?[A{1}][_-]?[3{1}][_-]?[a{1}][_-]?)', text)
    records = [m.replace('3', '1').replace('A', 'B').replace('a', 'c') for m in matches]
    if matches:
        outfile.writelines(records)
        return 1
    else:
        outfile.writelines(text)
        return 0


def main():
    success = 0
    count = 0
    with open(search_file_name, 'rb') as searchfile:
        try:
            searchstrs = searchfile.readlines()
            for s in searchstrs:
                success = find_ext(s)
                count = count + success
        finally:
            searchfile.close()

    print count

if __name__ == "__main__":
    main()

Answer 1

为了在没有标点符号的情况下快速获取A1as，并且不必从捕获的部分重构字符串...

t = '''A1a _B_2_z_ 
A_1_a 
A-1-a 
_A_1_a_ 
_C1c '''

re.findall("[A-Z][0-9][a-z]",t.replace("-","").replace("_",""))

输出：

['A1a', 'B2z', 'A1a', 'A1a', 'A1a', 'C1c']

（但如果您不想要从FILE.TXT-2b 捕获，那么您必须小心大多数这些解决方案...）

Answer 2

您想使用以下内容来查找您的匹配项。

matches = re.findall(r'([_-]?[a-z][_-]?[1-9][_-]?[a-z][_-]?)', s, re.I)

见regex101 demo

如果您要查找匹配项，则去掉所有 -、_ 字符，您可以这样做..

import re

s = '''
A1a _A_1 A_ A_1_a A-1-a _A_1_a_ _A1a _A-1-A_ a1_a  A-_-5-a
_A-_-5-A a1_-1 XMDC_A1a or XMDC-A1a or XMDC_A1-a XMDC_A_1_a_ _A-1-A_
'''

def find_this(text):
    matches = re.findall(r'([_-]?[a-z][_-]?[1-9][_-]?[a-z][_-]?)', text, re.I)
    records = [m.replace('-', '').replace('_', '') for m in matches]
    print records

find_this(s)

输出

['A1a', 'A1a', 'A1a', 'A1a', 'A1a', 'A1A', 'a1a', 'A1a', 'A1a', 'A1a', 'A1a', 'A1A']

见working demo

Answer 3

regex = r"[A-Z][-_]?[1-9][-_]?[a-z]"
print re.findall(regex,some_string_variable)

应该工作

只捕获您感兴趣的部分，将它们包裹在括号中

regex = r"([A-Z])[-_]?([1-9])[-_]?([a-z])"
print re.findall(regex,some_string_variable)

如果下划线或破折号或缺少下划线或破折号必须匹配，否则会返回错误结果，您需要状态机，而正则表达式是无状态的

Answer 4

如果字符串可以用多个下划线或破折号分隔（例如A__1a）：

[_-]*[A-Z][_-]*[1-9][_-]*[a-z]

如果只能有一个或零个下划线或破折号：

[_-]?[A-Z][_-]?[1-9][_-]?[a-z]