正则表达式或不起作用 - 我不知道我的模式有什么问题答案

【问题标题】：regex or does not work - I do not know what is wrong in my pattern正则表达式或不起作用 - 我不知道我的模式有什么问题
【发布时间】：2020-11-08 10:13:53
【问题描述】：

我有以下字符串：

2020-10-2125Chavez and Sons
2020-05-02Bean Inc
NaNRobinson, Mcmahon and Atkins
2020-04-25Hill-Fisher
2020-04-02Nothing and Sons
52457Carpenter and Sons
0Carpenter and Sons
Carpenter and Sons
NoneEconomy and Sons
2020-04-02

我想把它分开：

myRegex = '^([-\d]{0,}|[NnaAOoEe]{0,})(.*)' or '^([0-9]{4}-[0-9]{2}-[0-9]{2,}|[\d]{0,}|[NnaAOoEe]{0,})([\D]{0,})$'

我想要所有数字，完全匹配 (na, nan, none) - 大写和小写以及第一组中的“”，例如：

[2020-10-2125][Chavez and Sons]
[2020-05-02][Bean Inc]
[NaN][Robinson, Mcmahon and Atkins]
[2020-04-25][Hill-Fisher]
[2020-04-02][Nothing and Sons]
[52457][Carpenter and Sons]
[0][Carpenter and Sons]
[][Carpenter and Sons]
[None][Economy and Sons]
[2020-04-02][]

这是错误的：

[2020-04-02No][thing and Sons]

我想要

[2020-04-02][Nothing and Sons]

如何编写一个正则表达式来检查“无”之类的完全匹配 - 不区分大小写（也应该识别“无”、“nOne”等）？

https://regex101.com/r/HvnZ47/3

【问题讨论】：

您可以为整个正则表达式设置 re.IGNORECASE 标志或匹配例如[Nn][Oo][Nn][Ee] 表示“无”。
thx 我怎样才能将它与另一个结合起来？
在括号中你可以或|可能的匹配一起。

标签： python regex

【解决方案1】：

re.I 的以下情况如何：

(None|NaN?|[-\d]+)?(.*)

https://regex101.com/r/d4XPPb/3

解释：

(None|NaN?|[-\d]+)?
- 要么没有
- 或者最后一个 N 是可选的 NaN（由于 ?）所以它也匹配 NA
- 或数字和破折号一次或多次
- 整个组 () 是可选的，因为 ? 这意味着它可能不存在
(.*) 任何字符到最后

但是，仍然可能存在边缘情况。考虑以下几点：

National Geographic
---Test

会被解析为

[Na][tional Geographic]
[---][Test]

另一种选择：

从这里我们可以继续使正则表达式变得更复杂，但是，我认为在没有正则表达式的情况下实现自定义解析会简单得多。每行循环字符和：

如果它以数字开头，则将所有数字和破折号解析到第 1 组，其余在第 2 组（即当您点击一个字符时，更改组）
获取字符串的前 4 个字符，如果它们是“无”，则将它们分开。同时确保第5个字符为大写（不区分大小写line[:4].lower() == "none" and line[4].isupper()）
与上述步骤类似，但对于 NA 和 NaN：
- line[:3].lower() == "nan" and line[3].isupper()
- line[:2].lower() == "na" and line[2].isupper()

以上应该会产生更准确的结果，并且应该更容易阅读。

示例代码：

with open("/tmp/data") as f:
    lines = f.readlines()

results = []
for line in lines:
    # Remove spaces and \n
    line = line.strip()
    if line[0].isdigit() or line[0] == "-":
        i = 0
        while line[i].isdigit() or line[i] == "-":
            i += 1
            if i == len(line) - 1:
                i = len(line)
                break
        results.append((line[:i], line[i:]))

    elif line[:4].lower() == "none" and line[4].isupper():
        results.append((line[:4], line[4:]))

    elif line[:3].lower() == "nan" and line[3].isupper():
        results.append((line[:3], line[3:]))

    elif line[:2].lower() == "na" and line[2].isupper():
        results.append((line[:2], line[2:]))
    else:
         # Assume group1 is missing! Everything is group2
         results.append((None, line))

for g1, g2 in results:
    print(f"[{g1 or ''}][{g2}]")

数据：

$ cat /tmp/data 
2020-10-2125Chavez and Sons
2020-05-02Bean Inc
NaNRobinson, Mcmahon and Atkins
2020-04-25Hill-Fisher
2020-04-02Nothing and Sons
52457Carpenter and Sons
0Carpenter and Sons
Carpenter and Sons
NoneEconomy and Sons
NoNeEconomy and Sons
2020-04-02
NAEconomy and Sons
---Test
National Geographic

输出：

$ python ~/tmp/so.py 
[2020-10-2125][Chavez and Sons]
[2020-05-02][Bean Inc]
[NaN][Robinson, Mcmahon and Atkins]
[2020-04-25][Hill-Fisher]
[2020-04-02][Nothing and Sons]
[52457][Carpenter and Sons]
[0][Carpenter and Sons]
[][Carpenter and Sons]
[None][Economy and Sons]
[NoNe][Economy and Sons]
[2020-04-02][]
[NA][Economy and Sons]
[---][Test]
[][National Geographic]

【讨论】：

【解决方案2】：

您可以将要匹配的表达式与简单的| 组合在一起，但请记住，引擎将始终优先选择第一个可能的匹配项；所以你想把更具体的模式放在第一位，然后再回到更通用的情况。

试试这个：

my_re = re.compile(r'^([0-9]{4}-[0-9]{2}-[0-9]{2,}|\d+|N(?:aN|one)|)(\D.*)$', re.IGNORECASE)

re.IGNORECASE 标志表示忽略大小写差异。

另外，请注意量词{0,} 最好写成*；但是您希望至少需要一次匹配，或者回退到更通用的模式，所以实际上您想要+（也可以写成{1,}；但同样，更喜欢更简洁的标准表示法）。 \D 周围不需要方括号，它已经封装了一个字符类（但如果你想合并两个字符类，比如[-\d]，你确实需要方括号）。

演示：https://ideone.com/Qwp5ao

最后，请注意，用于命名局部变量的标准 Python 表示法更喜欢 snake_case 而不是 dromedaryCase。（另见Wikipedia。）

【讨论】：