这是一个创建于 2295 天前的主题，其中的信息可能已经有所发展或是发生改变。
想了一中午，也没想出来这个改怎么写，一个头四个大；各个搜索引擎都查过了，最后只能到 v2 上来求助。
源字符串是题目的选项：
A. A 类 - 3.2 B. B 类 - 6.4 C. C 类 - 12.8 D. D 类 - 25.6
想要将选项和选项的内容分开并获取到，即获取到以下四个分组：
[('A', 'A 类 - 3.2'), ('B', 'B 类 - 6.4'), ('C', 'C 类 - 12.8'), ('D', 'D 类 - 25.6')]
上网查有说到用环视，可是我在贪婪匹配下总是得不到想要的结果，以下是我现在能想到的最接近的正则：
>>> text = "A. A 类 - 3.2 B. B 类 - 6.4 C. C 类 - 12.8 D. D 类 - 25.6"
>>> pattern = re.compile(r"(?P<option>\w+)[、\.](?P<content>(?!.*?[A-Z]\.).*)")
>>> pattern.findall(text)
[('D', ' D 类 - 25.6')]
>>> pattern = re.compile(r"(?P<option>\w+)[、\.](?P<content>.*(?!.*?[A-Z]\.))")
>>> pattern.findall(text)
[('A', ' A 类 - 3.2 B. B 类 - 6.4 C. C 类 - 12.8 D. D 类 - 25.6')]
>>>
谢谢大家！
第 1 条附言 · 2018-08-05 15:16:56 +08:00
选项内容暂是没有用 [A-Z]\. 开头的，应该可以以这个作为区分，其他的貌似都出现了，感谢！
 |
1
nazor 2018-08-05 14:52:50 +08:00 via iPhone
选项内容有格式限制吗？没有格式限制，有歧义啊。
|
 |
2
IvanLi127 2018-08-05 14:57:11 +08:00 via Android
目前例子这个还是能用正则搞的 用 A. 这样的东西区分选项。还有不要用贪婪模式
|
 |
4
pandacat 2018-08-05 15:02:45 +08:00
(([ABCD])\. +(\2\W+\d+\.?\d+))
这样？ |
 |
5
guiqiqi OP @IvanLi127 我后面的那个环视 `(?!.*?[A-Z]\.)` 是想用 A.这样的区分，还是不知道怎么搞，求赐教！
|
|
7
guiqiqi OP |
 |
8
imn1 2018-08-05 15:27:01 +08:00
In [1]: text = "A. A 类 - 3.2 B. B 类 - 6.4 C. C 类 - 12.8 D. D 类 - 25.6"
In [2]: import regex as re In [3]: re.findall(r'([A-Z])\.\s+(.+?\d\.\d)(?:\s|$)',text) Out[3]: [('A', 'A 类 - 3.2'), ('B', 'B 类 - 6.4'), ('C', 'C 类 - 12.8'), ('D', 'D 类 - 25.6')] 关键在于 里面一个 +? ，用对地方就行 |
|
9
guiqiqi OP @imn1 谢谢您的回复，但是我这里这个选项是没有格式限制的，不一定是 `\d\.\d`，当我的数据变成其他格式的时候，+?我这里只匹配到选项后的第一个字符（即没有贪婪匹配）：
``` >>> pattern = re.compile(r"(?P<option>\w+)[、\.](?P<content>.+?)") >>> pattern.findall("A.C 类 B.D 类 C.E 类 D.F 类") [('A', 'C'), ('B', 'D'), ('C', 'E'), ('D', 'F')] ``` 我这里中间有的分隔符是用中文顿号分割的，所以写成了 `[、\.]` 的形式。 |
 |
10
co3site 2018-08-05 15:48:08 +08:00
首先你把问题描述清楚，看了你一连串的回复，根本不知道你的目标字符串到底是什么样的
|
|
11
imn1 2018-08-05 15:54:06 +08:00
你这样说的话，基本没法做
我很怀疑每字段不是空格分开，而是<tab> 如果只是空格，又格式不定的话，设计这个 log 格式的人本身就有问题 |
 |
12
Kilerd 2018-08-05 16:07:21 +08:00
同 10L，看完下来根本不知道你文本到底是怎样的。表述不清楚。
|
|
13
guiqiqi OP @co3site @Kilerd 不好意思啊，可能表述的不是很清楚，我在这里在多举几个例子可能会好一些：
Example 1: A. 13 B. 12 C. 11 D. 10 Example 2: A. 选项 1 B. 选项 2 C. 选项 3 D. 选项 4 Example 3: A. A 类 - 3.2 B. B 类 - 6.4 C. C 类 - 12.8 D. D 类 - 25.6 Example 4: A. C 类 B. D 类 C. E 类 D. F 类 归纳下来数据格式就是: A. 数据 B. 数据 .... 而其中的数据不包含大写字母和 . 的连续组合。希望这里表述的足够清楚。 @imn1 不是 log 哈，老妈最近要有一个考试，她基本不怎么会上网，从网上给她找了些题目，但是格式很不统一，我想用正则提出来入库给她做一个小程序让她练（能实现那种答案做完之后跳出来还有解析的那种，现在就剩答案格式不好提取了），非常感谢回复。 |
|
15
guiqiqi OP @nazor 谢谢！不知道这个分析特殊字符是什么意思，可能是打错了我觉得~，如果是分割特殊字符的话，我实在找不出来固定的特殊字符，因为选项字符串中也含有空格···· 头大
|
|
16
imn1 2018-08-05 16:33:50 +08:00  2
In [14]: re.findall(r'(?:\.\s+)(.+?)(?:\s[A-D]|$)',text)
Out[14]: ['A 类 - 3.2', 'B 类 - 6.4', 'C 类 - 12.8', 'D 类 - 25.6'] 放弃直接提取 ABCD，反正按顺序自己添加就行 keyword 是每项开头有「 ABCD.空格」，如果不符合全部我也没办法了 |
Select Language