Python，正則表達式匹配數字，x，xxx，xxx，但不是xx，xx，x，

Question

第一次發佈，我潛伏了一會兒，對這裏的幫助社區感到非常興奮。

因此，由鋁Sweigart

「自動無聊的東西」這樣做，需要我建立在標準的數字格式發現號的正則表達式的鍛鍊工作。三位數字，逗號，三位數字，逗號等...

所以希望匹配1,234和23,322和1,234,567和12，但不是1,23,1或1111或其他愚蠢的東西。

我有以下幾點。

import re 

testStr = '1,234,343' 
matches = [] 
numComma = re.compile(r'^(\d{1,3})*(,\d{3})*$') 

for group in numComma.findall(str(testStr)): 
    Num = group 
    print(str(Num) + '-')   #Printing here to test each loop 
    matches.append(str(Num[0])) 

#if len(matches) > 0: 
# print(''.join(matches)) 

，輸出這個....

（ '1'，」 343' ） -

我不知道爲什麼中間的」 234" 被跳過。我相信，正則表達式有什麼問題。只是似乎無法把我的頭圍繞在這一個。

任何幫助或解釋將不勝感激。

跟隨編輯。因此，在遵循我可以吸收的所有建議之後，我將它完美地用於多種輸入。

import re 

testStr = '1,234,343' 
numComma = re.compile(r'^(?:\d{1,3})(?:,\d{3})*$') 

Num = numComma.findall(testStr) 
print(Num) 

給我....

[ '1234343']

太好了！但！什麼時候我的字符串輸入更改爲類似

「1234343和12345」

相同的代碼返回....

[]

哎呀...大聲笑，這是有趣的， 我必須承認。

因此，練習的目的是能夠最終掃描一段文本並挑選出這種格式的所有數字。任何見解？我認爲這將增加一個額外的元組，而不是返回一個空的...

跟進編輯：

所以，一天後（一直忙於3個女兒和蜂蜜待辦事項列表），我已經終於能夠坐下來檢查我收到的所有幫助。這是我想出來的，它看起來工作得很好。包括評論爲我自己的個人理解。再次感謝Blckknght，Saleem，mhawke和BHustus。

我的最終代碼：

import re 

testStr = '12,454 So hopefully will match 1,234 and 23,322 and 1,234,567 and 12 but not 1,23,1 or ,,1111, or anything else silly.' 

numComma = re.compile(r''' 
    (?:(?<=^)|(?<=\s)) # Looks behind the Match for start of line and whitespace 
    ((?:\d{1,3})  # Matches on groups of 1-3 numbers. 
    (?:,\d{3})*)  # Matches on groups of 3 numbers preceded by a comma 
    (?=\s|$)''', re.VERBOSE) # Looks ahead of match for end of line and whitespace 

Num = numComma.findall(testStr) 
print(Num) 

將返回：

['12，454' ， '1,234'，'23，322' ， '1,234,567'， '12']

再次感謝！我在這裏有這樣一個積極的第一次發佈經驗，令人驚歎。=）

Answer 1

問題是：

正則表達式匹配將返回每個組的元組項。 但是，區分組與捕獲很重要。由於您只有兩個以括號分隔的組，因此匹配將始終爲二元組：第一組和第二組。但第二組匹配兩次。

1：第一組，捕獲
,234 ：第二組，捕獲
,343：也秒組，這意味着它覆蓋,234。

不幸的是，似乎香草Python沒有一種方法來訪問比上一個類似.NET的正則表達式實施方式與其他任何一個組捕獲。 但是，如果你只是想獲得具體的數字，你最好的選擇是使用re.search(number)。如果它返回一個非None值，那麼輸入字符串是一個有效的數字。否則，它不是。

此外：A test在您的正則表達式。請注意，正如Paul Hankin所說，測試用例6和7雖然不應該匹配，但由於第一個捕獲組的第一個*會使初始組匹配任意次數，所以測試用例6和7也是如此。否則，你的正則表達式是正確的。 Fixed version.

迴應編輯：
原因，現在您正則表達式在您的正則在返回一個空集「和」是因爲^和$錨。正則表達式開頭的^ anchor表示'這個點需要在一個字符串的開頭'。 $是它的對手，說'這需要在字符串的末尾'。如果你希望你的整個字符串從頭到尾匹配模式，這很好，但如果你想挑選多個數字，你應該去掉它們。

然而！
如果您將正則表達式保留爲其當前形式的無錨點，則它現在將單獨的數字與1,23,45的各個元素進行匹配。因此，爲此，我們需要添加一個零寬度正向超前斷言，並說：'確保在這個數字之後是空格或行尾「。您可以看到更改here。尾端(?=\s|$)是我們的前瞻斷言：它不捕獲任何東西，但只是確定標準或滿足，在這種情況下，空格（\s）或（|）行結束（$）。

但是：在類似的情況下，以前的正則表達式會在「1234,567」中匹配2個向前，給我們數字「234,567」，這會很糟糕。所以我們使用後面的斷言，類似於我們在末尾的前瞻：(?<!^|\s)，只有在字符串開頭或數字前有空格時才匹配。該版本可以找到here，並且應該完全滿足任何非十進制數字相關的需求。

Answer 2

該問題是由於您在模式中使用了重複捕獲組(,\d{3})*。 Python的正則表達式引擎將匹配您的號碼的數千個和一組，但只有最後一次重複纔會被捕獲。我想你想要使用非捕獲組。添加?:每個組括號開始（我也建議，在一般原則，使用原始的字符串，雖然你不必在當前的模式逃避問題）：

numComma = re.compile(r'^(?:\d{1,3})(?:,\d{3})*$') 

由於沒有組被捕獲，re.findall將返回整個匹配的文本，我認爲這是你想要的。您還可以使用re.find或re.search並在返回的match對象上調用group()方法來獲取整個匹配的文本。

Answer 3

嘗試：

import re 
p = re.compile(ur'(?:(?<=^)|(?<=\s))((?:\d{1,3})(?:,\d{3})*)(?=\s|$)', re.DOTALL) 

test_str = """1,234 and 23,322 and 1,234,567 1,234,567,891 200 and 12 but 
not 1,23,1 or ,,1111, or anything else silly""" 

for m in re.findall(p, test_str): 
    print m 

，它的輸出將是

• 1,234
• 23,322
• 1,234,567
• 1,234,567,891

你可以看到演示here

Answer 4

此正則表達式，將匹配任何有效的數量，並且將永遠不會匹配無效號碼：

(?<=^|\s)(?:(?:0|[1-9][0-9]{0,2}(?:,[0-9]{3})*))(?=\s|$)

https://regex101.com/r/dA4yB1/1