Python Regex：如何将文件名与可选后缀匹配？为什么'（。*？）（\。后缀）？'不起作用？

Question

我有这样的文件名：

xxx 
xxx.suffix 
xxx 
xxx.suffix

我想找到所有的xxx（可能是任何东西，但不包含'.suffix'）并删除后缀。

我试过（。*？）（。后缀）？我希望第一组能够非贪婪地匹配任何东西，而第二组则是可选的。

但这不起作用。我得到的是：

('', None)

我正在使用Python，代码是：

patt = re.compile(r'(.*?)(\.suffix)?')
print patt.match(str).groups()

编辑：显然以（'。suffix'）结尾也有效，但我不知道。

Answer 1

空字符串是正则表达式的有效匹配，因此它与所有输入的匹配。

在正则表达式的末尾添加“$”（字符串结尾）表示您在匹配后不希望字符串中有更多数据。

>>> re.compile( r'(.*?)(\.suffix)?$' ).match("xxx.suffix" ).groups()
('xxx', '.suffix')

Answer 2

当你使第一部分非贪婪时，它甚至在开始时匹配空字符串。由于第二部分是可选的，因此省略，因此None。

另一种解决方案：

a = 'xxx xxx.suffix xxx xxx.suffix'
l = a.split()
patt = re.compile(r'(.*?)(\.suffix)?$')
print [patt.match(i).groups() for i in l]

打印

[('xxx', None), ('xxx', '.suffix'), ('xxx', None), ('xxx', '.suffix')]

为什么呢？因为现在，正则表达式使用$锚定到字符串的末尾。

• 根据您计划对结果执行的操作，使用

  可能也很有用

  patt = re.compile(r'(.*?)(\.suffix|)$')
  

  它会为您''而不是None。这样可以简化琴弦的重新组装。

• 当然，问题是你真的需要正则表达式。

  print [p[:2] for p in (i.partition('.suffix') for i in l)]
  

  产生相同的结果

  [('xxx', ''), ('xxx', '.suffix'), ('xxx', ''), ('xxx', '.suffix')]
  

  并且速度更快：

  >>> import timeit
  >>> timeit.timeit(lambda: [p[:2] for p in (i.partition('.suffix') for i in l)])
  2.1371913756093956
  >>> timeit.timeit(lambda: [patt.match(i).groups() for i in l])
  5.259215670919147
  

  结果是1000000次呼叫所需的时间（以秒为单位）。

Answer 3

为什么不使用endswith？

>>> a = 'xxx xxx.suffix xxx xxx.suffix'
>>> a = a.split()
>>> a
['xxx', 'xxx.suffix', 'xxx', 'xxx.suffix']
>>> [s for s in a if s.endswith('.suffix')]
['xxx.suffix', 'xxx.suffix']

Answer 4

我找到了一个解决方案，你不必先拆分。有关解释和正则表达式测试，调试等，请查看此处：http://regex101.com/r/aL7dQ2

a = """
xxx 
xxx.suffix 
xxx 
xxx.suffix
"""
patt = re.compile(r'(\S+?\b)(\.suffix)?')
patt.findall(a)

<强>输出：

[('xxx', ''), ('xxx', '.suffix'), ('xxx', ''), ('xxx', '.suffix')]