如何查找特定变量的“>”或“<”之后的所有两位数实例，但不查找其他变量答案

【问题标题】：How to find all instances of two digits after ">" or "<" for a particular variable but not for other variables如何查找特定变量的“>”或“<”之后的所有两位数实例，但不查找其他变量
【发布时间】：2021-07-12 14:14:10
【问题描述】：

在我的示例中，所有年龄都在10 和99 之间。我想找到变量“age”的所有实例都是> 或<，而不是两位数。我需要知道等号和两位数。如果它们对应于不同的变量（例如，身高或体重），我不想要等号和两位数。为简单起见，所有年龄、身高和体重都是两位数。没有单位。

sample_text = "age > 10 but can be > 20 or > 22 - if the height is > 60 then age can be > 30, otherwise it must be < 35"

我正在寻找的输出是age_list，看起来像[(">", "10"), (">", "20"), (">", "22"), (">", "30"), ("<", "35)]。列表应该可以是任意长度。

当格式总是“年龄”后跟符号后跟数字时，很容易得到它们。我使用了下面的代码，它提取了[(">", "10"), (">", "30")]，但我无法获得其他数字——例如，显然与年龄相关的20 和22。我需要得到这些，但要避免 60 与身高挂钩（如果有重量，任何与体重挂钩的数字）。

re.findall("age\s*[a-zA-Z\s]*(>|<)\s*(\d\d)", sample_text)

当格式为“年龄符号数字或某些符号数字”时，我有使用re.search 的变通方法，但如果有一堆符号和数字前面没有“年龄”，则变通方法会失败 -例如，“年龄必须 > 20 或者如果这个则 > 24 或者如果那个则 > 30...”

【问题讨论】：

“年龄”、“身高”和“体重”是唯一可能的变量吗？
在这个例子中是的。我可以想象其他项目有更多复杂的变量（即，我不想捕获数字的变量）。但我希望/认为同样的原则也适用。
好的，这绝对有帮助！但是，如果您需要涵盖诸如“年龄必须> 20，或者如果此年龄> 24”之类的内容，我认为正则表达式不会成功。你需要一个完整的自然语言处理/理解管道..

标签： python regex regex-group

【解决方案1】：

你可以先调整匹配从年龄开始，不要交叉匹配height或width

\bage(?:(?:(?!\b(?:height|weight)\b)[^<>])*[<>]\s+\d+)+

模式匹配：

\bage 匹配 age 前面有一个单词边界
(?:外部非捕获组整体重复
- (?:内部非捕获组整体重复
  - (?!\b(?:height|weight)\b) 否定前瞻，不直接向右断言 height 或 weight 并使用单词边界来防止部分匹配
  - [^<>] 匹配除 < 或 > 之外的任何字符
- )*关闭内部非捕获组并可选择重复
- [<>]\s+\d+ 匹配 < 或 > 然后 1+ 空白字符和 1+ 数字
)+关闭外部组并重复1次以上

Regex demo | Python demo

使用 2 个捕获组与 re.findall 和 ([<>])\s+(\d+) 匹配的过程，捕获第 1 组中的符号和第 2 组中的数字

import re

pattern = r"\bage(?:(?:(?!\b(?:height|weight)\b)[^<>])*[<>]\s+\d+)+"
s = ("age > 10 but can be > 20 or > 22 - if the height is > 60 then age can be > 30, otherwise it must be < 35\n")

for m in re.findall(pattern, s):
    print(re.findall(r"([<>])\s+(\d+)", m))

输出

[('>', '10'), ('>', '20'), ('>', '22')]
[('>', '30'), ('<', '35')]

【讨论】：

非常有帮助，谢谢。在这里学习很多。我看到 \b 要求提取的文本以年龄开头。我还看到了负前瞻以避免身高|体重。 “[^]”是说避免跟随身高或体重的文字吗？我需要研究它和嵌套的未捕获组（使用“？：”）。
@vintagedeek \b 是单词边界，[^<>] 是否定字符类。我现在不在我的机器后面，但我稍后会添加解释。

【解决方案2】：

你可以试试这个

import re
sample_text = "age > 10 but can be > 20 or > 22 - if the height is > 60 then age can be > 30, otherwise it must be < 35"
matched = re.findall(r'[<>]|[\d]+', sample_text)
results = []
for i in range(0, len(matched) - 1, 2):
    results.append((matched[i], matched[i+1]))
print(results)
# output: [('>', '10'), ('>', '20'), ('>', '22'), ('>', '60'), ('>', '30'), ('<', '35')]

【讨论】：