Python使用详细正则表达式解析用户输入

Question

我正在尝试设计一个正则表达式来解析用户输入，以完整句子的形式。我在努力使我的表情充分发挥作用。我知道它没有很好的编码，但我正在努力学习。我目前正试图让它解析为一个字符串前见下面的代码。你知道吗

我的测试“句子”=How I'm 15.5% wholesome-looking U.S.A. we RADAR () [] {} you -- are, ... you?

text = input("please type somewhat coherently: ")

pattern = r'''(?x)              # set flag to allow verbose regexps
    (?:[A-Z]\.)+                # abbreviations, e.g. U.S.A.
    |\w+(?:[-']\w+)*            # permit word-internal hyphens and apostrophes
    |[-.(]+                     # double hyphen, ellipsis, and open parenthesis
    |\S\w*                       # any sequence of word characters
    # |[\d+(\.\d+)?%]           # percentages, 82%
    |[][\{\}.,;"'?():-_`]       # these are separate tokens
    '''

parsed = re.findall(pattern, text)
print(parsed)

我的输出=['How', "I'm", '15', '.', '5', '%', 'wholesome-looking', 'U.S.A.', 'we', 'RADAR', '(', ')', '[', ']', '{', '}', 'you', '--', 'are', ',', '...', 'you', '?']

我希望将'15', '.', '5', '%'解析为'15.5%'。当前被注释掉的行是应该做什么，但是当被注释掉的时候就什么也不做了。我寻找资源来帮助他们，但他们没有。你知道吗

谢谢你抽出时间。你知道吗

Answer 1

如果您只想将百分比作为一个整体进行匹配，那么您真的应该知道regex引擎从左到右分析输入字符串和模式。如果您有一个备选方案，将选择与输入字符串匹配的最左边的备选方案，其余的甚至不会被测试。你知道吗

因此，您需要向上拉可选的\d+(?:\.\d+)?，并且捕获组应该变成非捕获组，否则findall将产生奇怪的结果：

(?x)              # set flag to allow verbose regexps
(?:[A-Z]\.)+                # abbreviations, e.g. U.S.A.
|\d+(?:\.\d+)?%           # percentages, 82%  <  PULLED UP OVER HERE
|\w+(?:[-']\w+)*            # permit word-internal hyphens and apostrophes
|[-.(]+                     # double hyphen, ellipsis, and open parenthesis
|\S\w*                       # any sequence of word characters#
|[][{}.,;"'?():_`-]       # these are separate tokens

见regex demo。你知道吗

另外，请注意，我用[][{}.,;"'?():_`-]替换了[][\{\}.,;"'?():-_`]：大括号不必转义，并且-从冒号（十进制代码58）和下划线（十进制95）形成了一个不必要的范围，匹配;、<、=、>、?、@、所有大写拉丁字母、[、\、]和^。你知道吗