小编典典

浮点数的正则表达式

python

我有一个任务要匹配浮点数。我为此编写了以下正则表达式:

[-+]?[0-9]*\.?[0-9]*

但是,它返回一个错误:

Invalid escape sequence (valid ones are  \b  \t  \n  \f  \r  \"  \'  \\ )

据我所知,我们还需要使用转义字符.。请纠正我哪里我错了。


阅读 516

收藏
2020-12-20

共1个答案

小编典典

TL; DR
使用[.]代替.和[0-9]代替\d以避免在某些语言(例如Java)中转义问题。

感谢无名的人最初认识到这一点。

匹配浮点数的一种相对简单的模式是

[+-]?([0-9]*[.])?[0-9]+

这将匹配:

  • 123
  • 123.456
  • .456

查看工作示例

如果您还想匹配123.(无小数点的句点),则需要稍长的表达式:

[+-]?([0-9]+([.][0-9]*)?|[.][0-9]+)

有关此模式的更详细说明,请参见pkeller的答案

如果要包括非十进制数字(例如十六进制和八进制),请参阅我的答案如何识别字符串是否为数字?。

如果要验证输入是否为数字(而不是在输入中查找数字),则应使用^和围绕模式$,如下所示:

^[+-]?([0-9]+([.][0-9]*)?|[.][0-9]+)$

不规则正则表达式
在大多数现代语言,API,框架,库等中实现的“正则表达式”基于形式语言理论中发展的概念。但是,软件工程师增加了许多扩展,使这些实现远远超出了正式定义。因此,尽管大多数正则表达式引擎彼此相似,但实际上没有标准。因此,很大程度上取决于您使用的语言,API,框架或库。

(顺便说一句,为减少混乱,许多人开始使用“ regex ”或“ regexp ”来描述这些增强的匹配语言。有关更多信息,请参见RexEgg.com上的Regex是否与正则表达式相同?)

就是说,大多数正则表达式引擎(据我所知实际上全部都是)都可以接受.。转义很可能是一个问题。

逃生的麻烦
某些语言内置了对正则表达式的支持,例如JavaScript。对于那些没有的语言,转义可能是个问题。

这是因为您基本上是在一种语言中使用某种语言进行编码。例如,Java\用作字符串中的转义字符,因此,如果要在字符串中放置文字反斜杠字符,则必须对其进行转义:

// creates a single character string: "\"
String x = "\\";

但是,正则表达式也使用该\字符进行转义,因此,如果要匹配文字\字符,则必须对正则表达式引擎进行转义,然后对Java重新进行转义:

// Creates a two-character string: "\\"
// When used as a regex pattern, will match a single character: "\"
String regexPattern = "\\\\";

在您的情况下,您可能没有使用所用编程语言转义反斜杠字符:

// will most likely result in an "Illegal escape character" error
String wrongPattern = "\.";
// will result in the string "\."
String correctPattern = "\\.";

所有这些转义可能会造成非常混乱。如果您使用的语言支持原始字符串,那么您应该使用原始语言来减少反斜杠的数量,但并非所有语言都支持(例如,Java)。幸运的是,有一种替代方法有时会起作用:

String correctPattern = "[.]";

对于正则表达式引擎,\.[.]含义完全相同。请注意,这并非在所有情况下都有效,例如换行符(\\n),方括号(\\[)和反斜杠(\\\\[\\])。

有关匹配数字的注意事项
(提示:这比您想象的要难)

使用正则表达式,匹配数字是您认为很容易的事情之一,但实际上却很棘手。让我们一步一步地看一下您的方法:

[-+]?

匹配可选-或+

[0-9]*

匹配0个或多个连续数字

\.?

搭配可选 .

[0-9]*

匹配0个或多个连续数字

首先,我们可以通过使用数字的字符类缩写来稍微整理一下此表达式(请注意,这也容易受到上述转义问题的影响):

[0-9] = \d

我将在\d下面使用,但请记住,它的含义与相同[0-9]。(嗯,实际上,在某些引擎中,\d它将匹配所有脚本中的数字,因此它将比匹配的更多[0-9],但这在您的情况下可能并不重要。)

现在,如果仔细看一下,您会发现模式的每个部分都是可选的。此模式可以匹配长度为0的字符串;仅由+or组成的字符串-;或者,仅由组成的字符串.。这可能不是您想要的。

要解决此问题,从用最小的必需字符串(可能是一个数字)“固定”正则表达式开始会很有帮助:

\d+

现在,我们要添加小数部分,但是它没有到​​达您认为可能的位置:

\d+\.?\d* /* This isn't quite correct. */

仍将匹配的值123.。更糟糕的是,它带有一种邪恶的色彩。句点是可选的,这意味着您有两个并排重复的类(\d+\d*)。如果以错误的方式使用,这实际上很危险,这会使您的系统容易受到DoS攻击。

要解决此问题,而不是将句点视为可选,我们需要按需对其进行处理(以分隔重复的字符类),而是使整个小数部分为可选:

\d+(\.\d+)? /* Better. But... */

现在看起来好多了。我们需要在第一个数字序列和第二个数字序列之间使用一个句点,但是存在一个致命缺陷:我们无法匹配,.123因为现在需要一个前导数字。

这实际上很容易解决。除了将数字的“小数”部分设为可选字符之外,我们需要将其视为一个字符序列:1个或多个可能以a开头的数字,也.可能以0或多个数字为前缀:

(\d*\.)?\d+

现在我们只需添加符号:

[+-]?(\d*\.)?\d+

当然,这些斜线在Java中非常令人讨厌,因此我们可以替换为长格式字符类:

[+-]?([0-9]*[.])?[0-9]+

匹配与验证
评论中已经提到了几次,所以我在匹配和验证上添加了附录。

匹配的目的是在输入中找到一些内容(“大海捞针”)。验证的目的是确保输入的格式正确。

正则表达式本质上仅匹配文本。给定一些输入,他们要么找到一些匹配的文本,要么找不到。但是,通过使用锚标记(^和$)将表达式“捕捉”到输入的开头和结尾,我们可以确保没有找到匹配项,除非整个输入都匹配表达式,有效地使用了正则表达式进行验证。

上述正则表达式([+-]?([0-9]*[.])?[0-9]+)将匹配目标字符串中的一个或多个数字。因此,鉴于输入:

apple 1.34 pear 7.98 version 1.2.3.4

正则表达式匹配1.347.981.2.3.4

要验证给定输入是否为数字,什么都不是数字,请将表达式包装在锚定标记中,从而将表达式“捕捉”到输入的开头和结尾:

^[+-]?([0-9]*[.])?[0-9]+$

仅当整个输入为浮点数时,才会找到匹配项;如果输入包含其他字符,则不会找到匹配项。因此,给定输入1.2,将找到一个匹配项,但apple 1.2 pear没有找到匹配项。

需要注意的是一些正则表达式引擎有一个validateisMatch或类似的功能,基本上做什么,我已自动描述,返回true如果找到匹配且false如果没有发现匹配。也请记住,有些引擎允许你改变它的定义组标志^$,一条线的开始/结束,而不是整个输入的开始/结束匹配。通常这不是默认值,但是要注意这些标志。

2020-12-20