如何用正则表达式对数学infix notation字符串分词并识别多位数
中缀表达式分词的正则实现
之前的代码为什么跑不通
- 参考的Java版
split实现本身逻辑就不适配分词需求:split的作用是把正则匹配到的内容当成分隔符切割字符串,只返回分隔符之间的剩余内容,根本不会把匹配到的片段放进结果列表。 - 你写的
infixString.split("(\d+|[^ 0-9])")运行时,会把所有数字、非空格非数字的字符全当分隔符切掉,最后剩下来的只有零散空格,自然只能返回单元素的字符串列表。 - 不同语言的正则引擎规则本身有差异,直接照搬Java的正则到Python环境运行,很容易出现规则不匹配的问题。
正确的实现思路
分词的核心逻辑应该是主动把所有符合规则的片段从字符串里抠出来,而不是靠切割分隔符凑结果。
针对中缀表达式的场景,我们只需要匹配两类内容:
- 连续的数字串(解决多位数识别问题)
- 所有单个的运算符、括号(这类都是单字符的独立token)
匹配过程中自动跳过所有空白空格,不需要做额外的预处理。
直接用Python标准库re模块的findall方法就能一次完成所有匹配:
import re infix_str = "((10 + 4) ^ 2) * 5" # 匹配规则:优先抓连续数字,其次抓所有非空白、非数字的单字符符号 token_pattern = r"\d+|[^\s\d]" tokens = re.findall(token_pattern, infix_str)
运行后得到的结果完全符合预期:['(', '(', '10', '+', '4', ')', '^', '2', ')', '*', '5']
规则调整技巧
- 如果需要识别小数(比如
3.14),把数字匹配部分改成\d+\.?\d*,就能同时兼容整数、小数的识别 - 如果表达式包含带负号的数值(比如
-5),调整正则的匹配顺序,把负号的识别规则放到数字匹配之前,避免把负号拆成独立运算符 - 这套实现完全不需要手动逐字符遍历、拼接多位数,比按字符拆分的逻辑稳定很多,从根源上避免了把
10拆成'1'、'0'的问题
内容的提问来源于stack exchange,提问作者werner_b
相关产品推荐
相关产品推荐

