如何在正则表达式中匹配“或”内部？

Question

我要解析两种文档：

1545994641 INFO: ...

和

'{"deliveryDate":"1545994641","error"..."}'

我想从它们每个中提取时间戳1545994641。

因此，我决定编写一个正则表达式来匹配两种情况：

(\d{10}\s|\"\d{10}\")

在第一种文档中，它使用上面的“或”（\d{10}\s）中的第一个表达式来匹配时间戳并将其分组：

>>> regex = re.compile("(\d{10}\s|\"\d{10}\")")
>>> msg="1545994641 INFO: ..."
>>> regex.search(msg).group(0)
'1545994641 '

（到目前为止很好。）

但是，在第二种类型中，它使用“或”（\"\d{10}\"）中的第二个表达式来匹配时间戳和引号，并将它们分组。但是我只需要时间戳，而不是""：

>>> regex = re.compile("(\d{10}\s|\"\d{10}\")")
>>> msg='{"deliveryDate":"1545994641","error"..."}'
>>> regex.search(msg).group(0)
'"1545994641"'

我尝试过的事情：

我决定对引号使用非捕获组：

(\d{10}\s|(?:\")\d{10}(?:\"))

，但由于外部人员抓住了它们而无法正常工作。

我也删除了外部组，但是结果是相同的。

不需要的解决方法：

• 我可以通过为或中的每个表达式创建一个分组来超越这一点， 但我只希望它输出单个组（以抽象代码 来自正则表达式）。
• 我还可以使用正则表达式的第二步来捕获来自 带有引号的组，但同样会破坏 代码抽象。
• 我可以省略正则表达式中的""，但是与消息中间的时间戳匹配，因为我希望客观地将时间戳记为的值键或文档开头，后跟一个空格。

是否可以同时匹配上述两种情况，但是如果匹配第二种情况，则仅返回时间戳？还是不可能？

编辑： 正如@Amit Bhardwaj注意到的，第一种情况在时间戳记之后也返回一个空格。相同的解决方案可能是另一个问题（我没有弄清楚）！

Answer 1

如果您的代码只能访问整个匹配项，则可以使用环视方法：

^\d{10}(?=\s)|(?<=")\d{10}(?=")

请参见regex demo。

在Python中，将其声明为

rx = r'^\d{10}(?=\s)|(?<=")\d{10}(?=")'

模式详细信息

• ^\d{10}(?=\s)：
  • ^-字符串开头
  • \d{10}-十位数
  • (?=\s)-正向超前，需要立即在当前位置的右侧添加一个空白字符
• |-或
• (?<=")\d{10}(?=")：
  • (?<=")-一个"字符
  • \d{10}-十位数
  • (?=")-正向超前，需要在当前位置的右边立即加上双引号。

Answer 2

您可以使用环顾四周，但我认为，如果您可以直接找到小组，则此解决方案会更简单：

"?(\d{10})(?:\"|\s)

编辑：

考虑是否有第一个“必须有一个”，请尝试以下操作：

(^\d{10}\s|(?<=\")\d{10}(?=\"))

编辑2：

要在最后也删除尾随空格，也请提前使用：

(^\d{10}(?=\s)|(?<=\")\d{10}(?=\"))