Python Regex采取了141k个步骤-有什么改进的方法吗？ 问题

我刚刚在regex101编辑器中构建了这个表达式，用于从已转换为txt的表单中提取图形。您可以在此处查看正则表达式和示例数据：

问题：使用141k+个步骤似乎效率很低。有什么办法可以改进吗？

解释 数据源是从PDF中提取的多行txt，导致输出不够完美

我正在尝试提取框号以及特定行中存在（填写）的任何数字。如果你检查上面的链接，你可以看到完整的样本。例如：

下面是显示积极匹配的屏幕截图。最上面的一行匹配显示方框编号（155）和编号（34243）

限制/好消息：

• 我需要它在python中工作——如果需要，可以使用新的正则表达式模块
• 数字不一定总是有逗号（，），而且总是在换行符（\n）的结尾之前
• 仅当填写了数字/值时匹配（例如，上述示例中的34243）。所以在这个例子中，线与框号170不匹配
• 格式在表单下方更改，很高兴忽略这一点

---

任何帮助都将不胜感激！谢谢。

通过将中间部分改为简单的

+？

，我得到了相同的匹配。没有必要进行消极的前瞻。相反，您可以使用

+

并添加

？

来生成

+

，这样它就不会使用最终数字中的数字

我还建议使用

$

匹配行尾

^
(\d{1,3})
.+?
([\d.,]+)
$

---

在优化您的正则表达式后，我提出了以下建议：

^
(\d{1,3})
\b
.+?
\b
([\d.,]+)
\n

为相同的匹配执行20438个步骤

---

如果您的输入有不同的行尾，您也可以将最后一个

\n

替换为

$

。

对已接受的版本有轻微的改进

^(\d{1,3})\s.+?\b(\d[\d.,]*)$

20178步骤

PS先前

^(\d{1,3})\s.+?\b(\d+,?\d+\.?\d+)\n

20750步 18场比赛

威尔以小数目失败

---

PS.（在scriptmonster注释后更新）

您的模式等于

^（\d{1,3}）\s+.*（[\d，]+）\n

。惰性点模式总是比右侧边界模式的贪婪令牌更有效。看，这在@Chris上可能更好。不，代码审查是针对已经完成了您希望它完成的任务的代码。这段代码不符合OP的要求。@LightnessRacesinOrbit，不是吗？在我看来，这是“可行的，但效率不高”。关于提高性能的问题更适合这里还是代码审查？我相信后者。我想知道这里的预期答案是什么。在这里，在步骤上有多少改进被认为是“正确”的答案？顺便说一句，模式是动态的还是静态的？有趣的是，使用$匹配行尾而不是\n使用另一个~1k步数。但是我想它更可靠。您需要将

+

更改为lazy

+？

。否则它不会捕获所有数字。巧妙地使用单词边界！这个答案是错误的。它只匹配8次。最后一部分

（\d+（？：，）\d+

是错误的。有些数字不包含逗号，有些数字同时包含逗号和点。例如

1234

和

3200.00

不匹配。如果仍然不正确，则是您弄错了。最后一部分不正确匹配，请检查匹配的行。

^(\d{1,3})\s.+?\b(\d+,?\d+\.?\d+)\n