循环遍历Python正则表达式匹配

Question

我想把一个看起来像这样的字符串转换成：

ABC12DEF3G56HIJ7

进入

12 * ABC
3  * DEF
56 * G
7  * HIJ

我想使用正则表达式匹配构建正确的循环集。问题的关键在于代码必须完全通用，因为我不能假设 [A-Z] 片段的长度或者 [0-9] 片段的长度。

- da5id

---

''.join("%s * %s\n" % (n, w) for w, n in re.findall(r'(?i)([a-z]+)(\d+)', input_string)) - jfs

Answer 1

Python的re.findall应该适合您的需求。

演示示例

import re

s = "ABC12DEF3G56HIJ7"
pattern = re.compile(r'([A-Z]+)([0-9]+)')

for (letters, numbers) in re.findall(pattern, s):
    print(numbers, '*', letters)

- Ray Toal

Answer 2

如果您的数据集很大，最好使用re.finditer，因为它可以减少内存消耗（findall()返回所有结果的列表，finditer()逐个查找它们）。

import re

s = "ABC12DEF3G56HIJ7"
pattern = re.compile(r'([A-Z]+)([0-9]+)')

for m in re.finditer(pattern, s):
    print m.group(2), '*', m.group(1)

- Mithril

---

如果我没记错的话，这个例子的最后一行应该是 print m.group(2), '*', m.group(1) 才能符合 OP 的期望输出。 我相信 m.group(0) 是“完整”的匹配——即 ABC12、DEF3、G56、HIJ7。 - DaveL17

@DaveL17 你说得对，谢谢。我在回答时没有多想，现在已经修复了。 - Mithril

这种方法的好处在于，您可以通过名称访问命名组，而不是通过正则表达式中的位置进行访问（如果模式在正则表达式中移动，则可能会更改位置）。 - Carl G

为什么这样更好？ - Jann Poppinga

@Jann Poppinga 减少内存使用。findall 获取所有结果，finditer 逐个获取。 - Mithril

Answer 3

一个更简单的一句话可以是

print(re.sub(r"([A-Z]+)(\d+)", r'\2 * \1\n', s))

- Dabble

Answer 4

另一个选项是使用re.sub()从捕获的组中创建所需的字符串：

import re
s = 'ABC12DEF3G56HIJ7'
for x in re.sub(r"([A-Z]+)(\d+)", r'\2 * \1,', s).rstrip(',').split(','):
    print(x)

12 * ABC
3 * DEF
56 * G
7 * HIJ

- cottontail