将固定宽度的数字与右填充的连续空白匹配答案

【问题标题】：Match fixed-width numbers with right-padded contiguous whitespace将固定宽度的数字与右填充的连续空白匹配
【发布时间】：2019-09-28 23:46:35
【问题描述】：

我正在尝试在更大的正则表达式和固定列文本块中验证格式。我想匹配一个固定宽度的模式，但前提是它左边只有数字，右边只有空格（或没有）。生成的表达式将在 python 中使用。

以下行应与 17 位模式匹配（标题除外）：

MATCH
  *****************
A 20081122122332444 B
A 20081122122332    B
A 200811221223      B
A 2008112212        B
A 20081122          B

但以下不应该匹配

NO MATCH
  *****************
A 20081122112233 1  B
A 2008112211223 1   B
A 200811221     C   B
A 20081122 .        B

这个正则表达式很容易匹配有效数据：(?=\d+\s*)[\d\s]{17}

这似乎也提取了损坏的字符：(?=\d+[\s]?[^\d])[\d\s]{17}

由于位置不同，否定的后视将不起作用，我宁愿不重复该模式来处理字符串长度的所有可能变体。

似乎有一种优雅的方式可以在正则表达式中执行此操作 - 捕获一个连续的数字块，然后是一个连续的空格块，总共 17 个字符。

【问题讨论】：

匹配0+个空格字符后右边有边界吗？例如，在 17 位数字或空格之后是否有规则？后面只能有非数字或空格吗？示例数据中 A 和 B 的含义是什么？列长是 18 吗？

标签： python regex fixed-width

【解决方案1】：

您的模式的部分问题在于您使用的是[\d\s]{17}。这将匹配 17 个字符的字符串，数字和空格的混合。虽然您想确保数字和空格（如果有）都是连续的。

为了限制字符串的长度，您可以使用正向 Lookahead 来验证整个字符串是否正好是 17 个字符。然后你匹配任意数量的数字（长度已经限制），可选地，后跟空白字符。

您可以使用以下模式：

^(?=.{17}$)\d+\s*?$

Demo.

【讨论】：

这似乎取决于在行尾终止的模式。如果我在那里有其他字符（继续模式分别匹配），它现在匹配该行的一部分。尽管此修改可能有效：regex101.com/r/RWVe14/2
@interplanetary 不是。在这种模式中，前瞻实际上是多余的，无论如何都会匹配超过 17 个数字/空格。如果没有什么可以限制 17 个所需字符之前/之后的内容，我认为不会有仅使用正则表达式的解决方案（我可能是错的）。但是，如果您知道链接中指出的之前和之后的内容，则可以改用以下内容：A\s(?=.{17}\sB)(\d+\s*?)\sB，您将在第一个捕获组中获得所需的 17 个字符（ demo)。让我知道这是否适合您。
由于 OP 想要在较大的正则表达式中匹配正则表达式，您应该删除 ^ 和 $ 锚点。但是问题仍然存在：(?=.{17}$)\d+\s*? 将不匹配 '1234567890 ' 中的空格，而 (?=.{17}$)\d+\s* 将匹配 '1234567890 ' 中的太多空格。（我尝试在1234567890末尾添加额外的空格，但它们没有出现）

【解决方案2】：

您可以通过搜索数字来实现目标，然后是空格并计算 span 中的字符数 import re text="20081122 . " if re.search('[\d]{1,}[\s]{0,}',s).span()[1]==17: print("yes") else print("no")

【讨论】：

【解决方案3】：

您说您正在寻找 17 个字符宽度的列，因此我最多只能匹配 17 个字符，因为不清楚这 17 个字符后面可以包含什么（可能是额外的空格，似乎是这种情况）：

import re

text = """A 20081122122332444 B
A 20081122122332    B
A 200811221223      B
A 2008112212        B
A 20081122          B"""

l = [m.group(0)[0:17] for m in re.finditer(r'\d+\s*', text) if m.span(0)[1] - m.span(0)[0] >= 17]

print(l)

打印：

['20081122122332444', '20081122122332   ', '200811221223     ', '2008112212       ', '20081122         ']

如果您将它用作更大的正则表达式的一部分，那么也许我们必须假设 17 个字符的列后跟一个空格，然后我们有：

(?=\d[\d\s]{16})\d+\s*(?=\s)

【讨论】：