正则表达式包括字母，特殊字符，数字

Question

以下是我的句子：例如：

这是第一个：示例234-

这是第二个（示例）345 1

这是我的第三个示例（456）3

预期输出：

['this is first: example', 234, -]
['this is second (example)', 345, 1]
['this is my third example', (456), 3]

[我厌倦了使用python，nltk单词标记和句子标记，split（）和

str1 = re.compile('([\w: ]+)|([0-9])')
str1.findall('my above examples')

请向我建议一个可以提供预期输出或让我知道正则表达式错误在哪里的模块

Answer 1

有了您的表情，您会因为交替而得到单独的匹配。如果可以期望一行包含三部分的组，则只需做出一个与整行匹配的表达式，然后分别捕获这三个组即可。例如。

^(.*) ([\d()]+) ([-\d])

请注意，这是因为.*匹配整行，但引擎会回溯并放弃字符以匹配末尾的数字组。

使用代码：

regex = r"^(.*) ([\d()]+) ([-\d])"
matches = re.findall(regex, your_text, re.MULTILINE)
print(matches)

输出：

[('this is first: example', '234', '-'), 
('this is second (example)', '345', '1'), 
('this is my third example', '(456)', '3')]

编辑

如果您知道最后希望有多少组数字，上述模式会很好用。但是，如果该数字是可变的，则您需要创建一个静态的重复可选数字组，例如(?:\d+)?，以预测必须匹配的值的数量，但这很麻烦，可能仍不能满足所有弹出的要求。 >

因此，最好将一个源中的所有数字捕获到一个块中，然后将其分割。为此，我们将字符串的开头与惰性量词进行匹配，以允许匹配字符串结尾处的所有可用数字组，这将在一个字符串中进行捕获。例如：

^(.*?)((?: [-\d()]+)+)$
请参见regex demo。

然后，我们可以将捕获的数字组拆分为一个数组，并将其包含在描述中。示例代码：

import re

test_str = (
    "this is first: example 234 -\n"
    "this is second (example) 345 1\n"
    "this is my third example (456) 3\n"
    "this is the fourth example (456) 4 12\n"
    "this is the fifth example 300 1 16 200 (2) 18")

regex = r"^(.*?)((?: [-\d()]+)+)$"
matches = re.findall(regex, test_str, re.MULTILINE)
captures = [(a, b.split()) for (a, b) in matches]

print(captures)
输出：

[
  ('this is first: example', ['234', '-']), 
  ('this is second (example)', ['345', '1']), 
  ('this is my third example', ['(456)', '3']), 
  ('this is the fourth example', ['(456)', '4', '12']), 
  ('this is the fifth example', ['300', '1', '16', '200', '(2)', '18'])
]