Question

我需要创建一个匹配可选组之前的所有内容的正则表达式，但是我需要将可选组优先于.元字符。

只要该组不是可选的，一切都按照我的预期运作：

>>> re.match(r'(.+)(\d+)','asdasd2').groups()
('asdasd', '2')

但是，当将其标记为可选时，结果将不再符合我的需求：

>>> re.match(r'(.+)(\d+)?','asdasd2').groups()
('asdasd2', None)

使用?上的非贪婪修饰符.会让情况变得更糟：

>>> re.match(r'(.+?)(\d+)?','asdasd2').groups()
('a', None)

这是我在实际代码中使用的更复杂正则表达式的抽象，其中可选组本身非常复杂，因此使用[^somecharacter]而不是.不是一种选择。有没有解决这个问题的方法？

Answer 1

我认为这可能是您正在寻找的，假设您总是希望从搜索中返回两个组：

>>> re.match(r'(.+(?=\d+)|.+)(\d+)?', 'asdasd2').groups()
('asdasd', '2')
>>> re.match(r'(.+(?=\d+)|.+)(\d+)?', 'asdasd').groups()
('asdasd', None)

第一组(.+(?=\d+)|.+)查找一组字符后跟一个数字（但不包括数字）或只查找一组字符（隐含地后面没有数字，因为那个案例会被抓住由(.+(?=\d+)）。第二组(\d+)?查找一组数字的0或1次出现。

Answer 2

使用|运算符来表示包含和不包含可选组的表达式。

(?:(.+)(\d+)|(.+))

>>> re.match(r'(?:(.+)(\d+)|(.+))','asdasd2').groups()
('asdasd', '2', None)
>>> re.match(r'(?:(.+)(\d+)|(.+))','asdasd').groups()
(None, None, 'asdasd')
>>> re.match(r'(?:(.+)(\d+)|(.+))','asdasd23abc3').groups()
('asdasd23abc', '3', None)

首选附加的可选正则表达式组在点元字符上

2 个答案: