如何限制正则表达式的 findall() 方法答案

【问题标题】：How to limit regex's findall() method如何限制正则表达式的 findall() 方法
【发布时间】：2013-04-20 14:07:15
【问题描述】：

对于findall 方法，是否存在与 BeautifulSoup 的 limit=X 参数等效的正则表达式？我的意思是，如何找到有问题的前 X 个单词然后中断代码执行？谢谢你

【问题讨论】：

【解决方案1】：

使用re.finditer 和itertools.islice：

from itertools import islice
import re

limit = 2

for x in islice(re.finditer(r'\d+', '1 2 33'), limit):
    print(x.group())

作为一个函数：

def findall_limiter(pattern, string, flags=0):
    return islice(re.finditer(pattern, string, flags), limit)

例如。

for match in findall_limiter(r'\d+', '1 2 33', 2):
    # do stuff

【讨论】：

实际上这是更好的方法，因为当你没有 limit 匹配时它不会中断

【解决方案2】：

您可以使用re.finditer，因为它返回一个迭代器，而不是一次生成所有值：

In [21]: strs="12345678"

In [22]: it=re.finditer("\d",strs)

In [23]: [next(it).group(0) for _ in xrange(4)] #returns only 4 mathces
Out[23]: ['1', '2', '3', '4']

虽然当限制大于匹配数时，这可能会引发StopIteration 错误。一个简单的解决方法是使用异常处理或使用itertools.isclice：

In [26]: def limiter(strs,pattern,limit):
    it=re.finditer(pattern,strs)
    try:
        for _ in xrange(limit):
            yield next(it).group(0)
    except StopIteration:        
        pass
   ....:     

In [27]: list(limiter("12345","\d",3))
Out[27]: ['1', '2', '3']

In [28]: list(limiter("12345","\d",6))
Out[28]: ['1', '2', '3', '4', '5']

In [29]: list(limiter("12345","\d",10))
Out[29]: ['1', '2', '3', '4', '5']

关于re.finditer的帮助：

In [24]: re.finditer?
Type:       function
String Form:<function finditer at 0xb74114c4>
File:       /usr/lib/python2.7/re.py
Definition: re.finditer(pattern, string, flags=0)
Docstring:
Return an iterator over all non-overlapping matches in the
string.  For each match, the iterator returns a match object.

Empty matches are included in the result.

【讨论】：

或.groups()，当您有多个组时。顺便说一句，如果您没有 limit 匹配项，则会中断
感谢您的详细解释和limiter 功能。