Estoy aprendiendo sobre la expresión regular. No sé cómo combinar diferentes expresiones regulares para hacer una sola expresión regular genérica.
Quiero escribir una sola expresión regular que funcione para múltiples casos. Sé que esto se puede hacer con un enfoque ingenuo usando el operador o " | " .
No me gusta este enfoque. ¿Alguien puede decirme un mejor enfoque?
Necesita compilar todas sus funciones de expresiones regulares. Mira este ejemplo:
import re re1 = r'\d+\.\d*[L][-]\d*\s[AZ]*[/]\d*' re2 = '\d*[/]\d*[AZ]*\d*\s[AZ]*\d*[AZ]*' re3 = '[AZ]*\d+[/]\d+[AZ]\d+' re4 = '\d+[/]\d+[AZ]*\d+\s\d+[AZ]\s[AZ]*' sentences = [string1, string2, string3, string4] for sentence in sentences: generic_re = re.compile("(%s|%s|%s|%s)" % (re1, re2, re3, re4)).findall(sentence)Para findall con una serie arbitraria de RE, todo lo que tiene que hacer es concatenar la lista de coincidencias que devuelve cada uno:
re_list = [ '\d+\.\d*[L][-]\d*\s[AZ]*[/]\d*', # re1 in question, ... '\d+[/]\d+[AZ]*\d+\s\d+[Az]\s[AZ]*', # re4 in question ] matches = [] for r in re_list: matches += re.findall( r, string)Para mayor eficiencia, sería mejor utilizar una lista de RE recopilados.
Alternativamente, puede unir las cadenas del elemento RE usando
generic_re = re.compile( '|'.join( re_list) )Veo que muchas personas usan tuberías, pero eso parece coincidir solo con la primera instancia. Si desea hacer coincidir todos, intente usar búsquedas anticipadas.
Ejemplo:
>>> fruit_string = "10a11p" >>> fruit_regex = r'(?=.*?(?P<pears>\d+)p)(?=.*?(?P<apples>\d+)a)' >>> re.match(fruit_regex, fruit_string).groupdict() {'apples': '10', 'pears': '11'} >>> re.match(fruit_regex, fruit_string).group(0) '10a,11p' >>> re.match(fruit_regex, fruit_string).group(1) '11' (?= ...) es una mirada al futuro:
Coincide si... coincide con el siguiente, pero no consume nada de la cadena. Esto se llama aserción anticipada. Por ejemplo, Isaac (?=Asimov) coincidirá con 'Isaac' solo si va seguido de 'Asimov'.
.*?(?P<pears>\d+)p encuentra un número seguido de ap en cualquier parte de la cadena y nombra el número "peras"