Python 如何从文本匹配组中排除某些字符？

我将匹配两个案例：123456-78-9或123456789。我的目标是从任何一个案例中检索123456789，即从第一个案例中排除“-”，无需提及第二个案例非常简单

我曾尝试使用类似于

r“\b（\d+（？：-）？\d+（？：-）？\d）\b”

，但它仍然会返回“123456-78-9”

我应该使用什么样的正则表达式？虽然我知道这需要两个步骤：1）通过正则表达式获取数字的三个部分2）使用另一行对它们进行连接，但我仍然更喜欢正则表达式，这样代码就更优雅了

---

谢谢你的建议

您可以将数字部分放在捕获组中，然后用捕获的组替换整个匹配

尝试以下方法：

\b(\d+)-?(\d+)-?(\d)\b

…并替换为：

\1\2\3

请注意，您使用的两个非捕获组是冗余的<代码>（？：-）？=

-？

Python示例：

import re

regex = r"\b(\d+)-?(\d+)-?(\d)\b"

test_str = ("123456-78-9\n"
            "123456789")
subst = "\\1\\2\\3"

result = re.sub(regex, subst, test_str, 0, re.MULTILINE)

if result:
    print (result)

输出：

import re

regex = r"\b(\d+)-?(\d+)-?(\d)\b"

test_str = ("123456-78-9\n"
            "123456789")
subst = "\\1\\2\\3"

result = re.sub(regex, subst, test_str, 0, re.MULTILINE)

if result:
    print (result)

123456789
123456789

---

.

这里最简单的方法是首先使用

re.sub

从输入中删除所有非数字字符。然后，使用相等比较检查输入：

inp = "123456-78-9"
if re.sub(r'\D', '', inp) == '123456789':
    print("MATCH")

编辑：如果我误解了您的问题，而输入可以是任何内容，并且您只想匹配给定的两种格式，那么请使用替代：

\b(?:\d{6}-\d{2}-\d|\d{9})\b

脚本：

inp = "123456-78-9"
if re.search(r'\b(?:\d{6}-\d{2}-\d|\d{9})\b', inp):
    print("MATCH")

您可以使用

r'（\d{6}）（？（\d{2}）\2（\d）

然后加入组1、3和4，或使用

“\\1\\3\\4”

将仅匹配这两个输入：

123456-78-9或123456789

如果需要的话，你可以给它加上边界条件

---

您使用的是什么编程语言？感谢您的及时回复！这里是Python。我正在探索是否可以通过一次调用re.finditer（）来获得123456789，而不需要其他代码来操作捕获的组，比如concatting。因此，我不太明白如何在正则表达式中使用\1\2\3来达到这个目的？对于正则表达式的替换，您应该使用

re.Sub（）

而不是

re.finditer（）

。我在下面的回答中添加了一个Python示例。这假设输入的格式是正确的（可能是这样）。@AhmedAbdelhameed我不理解您的评论。如果输入类似于

--123$$45&&6-78-9

，则返回true。此外，输出可能事先未知

123456789

可能只是一个例子。但是请记住，OP是通过Python脚本实现的，用于一个只有两种类型输入的用例（阅读实际问题）。我确实读过：）OP说他们需要匹配两种情况，而不是保证输入为这两种格式之一。但我可能错了，OP可能实际上是指后者。在这一点上，我还不清楚。仅此而已：）@Cuteufo re.finditer（）用于查找匹配项。它无法更改匹配项的内容。为此，您需要“查找并替换”（re.sub（）就是这样做的）。通常，您不能期望“find”方法神奇地完成“find and replace”方法的工作；后者的存在是有原因的。这就是为什么我在最初的帖子中要求“排除”-，因为我使用了re.finditer（）来处理我的所有案例，包括有问题的特殊案例。不管怎样，你和其他很多人都证实了这是不可能的，我想接受你的建议，改变我的路线。谢谢大家，我将选择艾哈迈德的回答作为答案。