Python的正则表达式：回顾后先行+与字符集

Question

我想获得字符串10M5D8P成词典：

L：10，d：5，P：8等等...

字符串可能但它始终是一个数字，后面跟着这个字母表中的单个字母：MIDNSHP = X

作为第一步，我希望将字符串拆分为lookbehead和lookahead，在两种情况下匹配此正则表达式：[0- 9] + [MIDNSHP = X]

所以我不工作的解决方案看起来像这样此刻：

import re

re.compile（“（？ （？= [0-9] + [MIDNSHP = X]）“）。split（”10M5D8P“）

它给我一个错误消息，不明白：“回顾后需要固定宽度模式”

Answer 1

您可以使用re.findall

>>> import re 
>>> s = "10M5D8P" 
>>> {i[-1]:i[:-1] for i in re.findall(r'[0-9]+[MIDNSHP=X]', s)} 
{'M': '10', 'P': '8', 'D': '5'} 
>>> {i[-1]:int(i[:-1]) for i in re.findall(r'[0-9]+[MIDNSHP=X]', s)} 
{'M': 10, 'P': 8, 'D': 5} 

你的正则表达式是行不通的，因为re模块不支持可变长度后向断言。而且它也不支持在零宽边界上分割，所以这个(?<=\d)(?=[A-Z])也不可能。

Answer 2

look-behind requires fixed-width pattern意思就是它所说的 - 一个隐藏式模式必须匹配Python引擎中固定数量的字符。特别是，不允许包含任何量词（?,+,*）。因此，我们应该选择一个固定宽度的一块作为我们回顾后使用：

(?<=[MIDNSHP=X])(?=\d) 

这仅使用单个字符作为回顾后和一位数字为超前。但是，如果您尝试使用split这个表达式，它将因Python bug 3262而失败。你需要使用这样的替代方法：

>>> re.compile(r"(?<=[MIDNSHP=X])(?=\d)").sub('|', '10M5D8P').split("|") 
['10M', '5D', '8P'] 

但这是非常丑陋的。一个简单的办法是使用findall到提取你想要什么：

>>> re.findall('([0-9]+)([MIDNSHP=X])', '10M5D8P') 
[('10', 'M'), ('5', 'D'), ('8', 'P')] 

，你可以很容易地创建一个字典，从其中：

>>> {k:int(v) for v,k in re.findall('([0-9]+)([MIDNSHP=X])', '10M5D8P')} 
{'P': 8, 'M': 10, 'D': 5}