Python正则表达式匹配上一组中匹配的内容(多个中的一个)

ogsagwnx 于 2023-02-02 发布在 Python

关注(0)|答案(4)|浏览(133)

我有一个正则表达式(?:AA|BB)(.*)(?:AA|BB)，它捕获分隔符AA和BB之间的所有内容。
我遇到的问题是，这也将匹配AA...BB。这是我不希望的。我如何才能使正则表达式只匹配AA...AA和BB...BB？

python

来源：https://stackoverflow.com/questions/35742243/python-regex-matching-whatever-matched-in-previous-group-1-out-of-many

4条答案

按热度按时间

utugiqy61#

如果需要匹配的字符串的开头和结尾具有*相同的 * 前导和尾随分隔符，则只需捕获前导分隔符并在模式本身内部使用 * 反向引用 *：

(AA|BB)(.*)\1
^     ^    ^^

参见regex demo
在Python中，如果你只想得到你需要的组，你就必须使用re.finditer，而不是返回元组列表（因此包含AA或BB）的re.findall，为了匹配从AA到下一个AA的子字符串，使用惰性量词*?：(AA|BB)(.*?)\1
一个简短的Python demo：

import re
p = re.compile(r'(AA|BB)(.*)\1')
test_str = "AA text AA"
print([x.group(2).strip() for x in p.finditer(test_str)])
# => ['text']

如果需要匹配带有不匹配的前导和尾随分隔符的字符串，则必须使用alternation：

AA(.*)AA|BB(.*)BB

或者-匹配最接近的尾随AA s和BB s的惰性限定符版本：

AA(.*?)ZZ|BB(.*?)YY

注意，这将在结果中输出空元素，因为只有一个组会被匹配，在大多数Python构建中，如果你计划在re.sub中使用这种模式，应该谨慎使用（在Python 3.5之前，不匹配的组不会用空字符串（= None）初始化，并且可能抛出异常。
下面是一个带有re.finditer的extraction sample code：

import re
p = re.compile(r'(AA)(.*?)(ZZ)|(BB)(.*?)(YY)')
test_str = "AA Text 1 here ZZ and BB Text2 there YY"
print("Contents:") 
print([x.group(2).strip() for x in p.finditer(test_str) if x.group(2)])
print([x.group(5).strip() for x in p.finditer(test_str) if x.group(5)])
print("Delimiters:")
print([(x.group(1), x.group(3)) for x in p.finditer(test_str) if x.group(1) and x.group(3)])
print([(x.group(4), x.group(6)) for x in p.finditer(test_str) if x.group(4) and x.group(6)])

结果：

Contents:
['Text 1 here']
['Text2 there']
Delimiters:
[('AA', 'ZZ')]
[('BB', 'YY')]

在现实生活中，对于非常长和复杂的文本，这些正则表达式可以是unrolled，以使匹配线性和高效，但这是一个不同的故事。
最后但并非最不重要的是，如果您需要将最短的子字符串从一个分隔符匹配到另一个分隔符，而该分隔符在中不包含这些分隔符，请使用tempered greedy标记：

AA((?:(?!AA|ZZ).)*)ZZ|BB((?:(?!BB|YY).)*)YY
   ^^^^^^^^^^^^^^^       ^^^^^^^^^^^^^^^

请参见regex demo以了解与AA(.*?)ZZ|BB(.*?)YY的区别。

赞(0）回复(0）举报 2023-02-02

k2fxgqgv2#

这个问题让人困惑。据我所知，您希望它匹配AA..AA或BB..BB，但不匹配当前匹配的AA..BB。我对正则表达式很不在行，但我认为这应该可以工作：
编辑：抱歉，SE格式搞砸了。

(?:(AA(.*)AA)|(BB(.*)BB))

>>> data = ['AAsometextAA', 'BBothertextBB', 'NotMatched', 'AAalsonotmatchedBB']
>>> matches = filter(lambda x: x is not None, [re.match("(?:(AA(.*)AA)|(BB(.*)BB))", datum) for datum in data])
>>> matches
[<_sre.SRE_Match object at 0x007DC078>, <_sre.SRE_Match object at 0x007DC288>]
>>> for match in matches:
...     print(match.group(0))
...
AAsometextAA
BBothertextBB
>>>

赞(0）回复(0）举报 2023-02-02

uhry853o3#

这应该对你有用。