Python - 解析字符串，已知结构答案

【问题标题】：Python - Parse string, known structurePython - 解析字符串，已知结构
【发布时间】：2015-07-05 01:32:19
【问题描述】：

我必须解析具有已知结构的简单字符串列表，但我发现它不必要地笨重。我觉得我错过了一个技巧，也许是一些简单的正则表达式会让这变得微不足道？

这个字符串是指未来的若干年/月，我想把它变成小数年。

通用格式：“aYbM”

其中 a 是年数，b 是月数，它们可以是整数，并且都是可选的（连同它们的标识符）

测试用例：

5Y3M == 5.25
5Y == 5.0
6M == 0.5
10Y11M = 10.91666..
3Y14M = raise ValueError("string '%s' cannot be parsed" %input_string)

到目前为止，我的尝试涉及字符串拆分，尽管它们确实产生了正确的结果，但非常麻烦：

def parse_aYbM(maturity_code):
    maturity = 0
    if "Y" in maturity_code:
        maturity += float(maturity_code.split("Y")[0])
        if "M" in maturity_code:
            maturity += float(maturity_code.split("Y")[1].split("M")[0]) / 12
        return maturity
    elif "M" in maturity_code:
        return float(maturity_code[:-1]) / 12
    else:
        return 0

【问题讨论】：

标签： python regex string

【解决方案1】：

你可以使用正则表达式模式

(?:(\d+)Y)?(?:(\d+)M)?

意思是

(?:        start a non-grouping pattern
  (\d+)    match 1-or-more digits, grouped
  Y        followed by a literal Y
)?         end the non-grouping pattern; matched 0-or-1 times
(?:        start another non-grouping pattern
  (\d+)    match 1-or-more digits, grouped
  M        followed by a literal M
)?         end the non-grouping pattern; matched 0-or-1 times

当用于

re.match(r'(?:(\d+)Y)?(?:(\d+)M)?', text).groups()

groups() 方法返回分组括号内的匹配部分。如果组不匹配，则返回 None。例如，

In [220]: re.match(r'(?:(\d+)Y)?(?:(\d+)M)?', '5Y3M').groups()
Out[220]: ('5', '3')

In [221]: re.match(r'(?:(\d+)Y)?(?:(\d+)M)?', '3M').groups()
Out[221]: (None, '3')

import re
def parse_aYbM(text):
    a, b = re.match(r'(?:(\d+)Y)?(?:(\d+)M)?', text).groups()
    if a == b == None:
        raise ValueError('input does not match aYbM')
    a, b = [int(item) if item is not None else 0 for item in (a, b)]
    return a + b/12.0

tests = [
('5Y3M', 5.25),
('5Y', 5.0),
('6M', 0.5),
('10Y11M', 10.917),
('3Y14M', 4.167),
]

for test, expected in tests:
    result = parse_aYbM(test)
    status = 'Failed'
    if abs(result - expected) < 0.001:
        status = 'Passed'
    print('{}: {} --> {}'.format(status, test, result))

产量

Passed: 5Y3M --> 5.25
Passed: 5Y --> 5.0
Passed: 6M --> 0.5
Passed: 10Y11M --> 10.9166666667
Passed: 3Y14M --> 4.16666666667

请注意，如果parse_aYbM 的输入与模式不匹配会发生什么情况尚不清楚。上面的代码不匹配引发ValueError：

In [227]: parse_aYbM('foo')
ValueError: input does not match aYbM

但部分匹配可能会返回一个值：

In [229]: parse_aYbM('0Yfoo')
Out[229]: 0.0

【讨论】：

严格来说，您的“不匹配”实际上是匹配空字符串，因为这两个部分都是可选的。这会将groups() 返回为(None, None)。引发 ValueError 的是您的代码，而不是 re 模块。不过很好的解决方案。
您可以使用r"(?:(\d+)Y)?(?:(0?\d|1[01])M)?\b" 防止几个月 >= 12（如原始问题所示） - OP 不清楚是否存在前导零。尾随 \b 防止将前导年份与无效月份匹配。
感谢您的详细回答，打破了正则表达式的实际作用！我发现有关正则表达式的文档假定您具有一定的知识水平，如果您不在那里，几乎不可能阅读，所以这真的很有帮助。

【解决方案2】：

您可以使用re.findall

>>> def parse(m):
    s = 0
    j = re.findall(r'\d+Y|\d+M', m)
    for i in j:
        if 'Y' in i:
            s += float(i[:-1])
        if 'M' in i:
            s += float(i[:-1])/12
    print(s)


>>> parse('5Y')
5.0
>>> parse('6M')
0.5
>>> parse('10Y11M')
10.916666666666666
>>> parse('3Y14M')
4.166666666666667

【讨论】：

【解决方案3】：

不熟悉 python 正则表达式，但尝试类似 (?<year>[^Y])\D(?<month>[^M]*)\D可能会成功。

【讨论】：