简单数学表达式的正则表达式

作为练习，我试图想出一个正则表达式来评估简单的代数，例如

q = '23 * 345 - 123+65'

从这里我想得到'23'，'*'，'345'，'-'，'123'，'+'，'65'。

现在，我搜索了类似的问题，其他人已经解决了这个问题。但我真正想知道的是为什么my解决方案不起作用。

这是我得到的最好的：

regexparse = '(\d+\s*(\*|\/|\+|\-)\s*)+(\d+\s*)'

解释

• (\d+\s*(*|/|+|-)\s*)+
  • ( 一位或多位数字 \d+ 后面可以跟空格 \s* 然后必须跟一个符号 (*|/|+|-) 然后后面可以跟更多空格 \s* 并且整个内容必须出现在至少一次）+
• (\d+\s*)
  • 一位或多位数字，后面可以跟空格

但是，当我运行代码时

m = re.match(regexparse, q)
print m.group(0)
print m.group(1)
print m.group(2)
print m.group(3)

I get

23 * 345 - 123+65
123+
+
65

所以这就像第一个块匹配尽可能少的字符。为什么？

这是你的正则表达式：

(\d+\s*(\*|\/|\+|\-)\s*)+(\d+\s*)

(\d+\s*(\*|\/|\+|\-)\s*)将匹配表达式的第一部分：23 * 并存储*在第二组中。

然后+使其重复，但由于重复捕获组仅保留最后一个匹配项，因此它将丢弃23 * and *并改为匹配345 - and -在第二组中。

The +在下一次重复时再次工作以丢弃最后一次捕获并改为捕获123+在第一组中和+在第二。

Next, +无法再重复，所以它停止了，并且(\d+\s*)开始匹配得到65.

事实上，重复捕获组仅存储最后一个捕获是正则表达式的设计工作方式，并且在所有正则表达式引擎中都是如此。

进一步阐述：

重复匹配和重复捕获之间是有区别的。尝试：(\d)+ on 12345你会看到只有5将被捕获​​。就像那样，因为你的括号被分配了一个特定的组捕获。第一个组分配为组 1，如果组 1 有很多捕获，则只能保留 1 个，这是最后一个。不幸的是，这就是正则表达式的工作原理，根据文档 http://docs.python.org/2/library/re.html#match-objects:

如果一个组匹配多次，则只能访问最后一次匹配

如果你想得到你想要的输出，你可以使用re.findall并与\d+|[+/*-]:

import re
q = '23 * 345 - 123+65'
regexparse = r'\d+|[+/*-]'
elem = re.findall(regexparse, q)
print(elem)
#=> ['23', '*', '345', '-', '123', '+', '65']