在Python正则表达式中循环使用组

Question

编辑：我已经完成了工作 - 我忘了把空间作为多边缘的分隔符。

我有这个Python正则表达式，它处理我必须解析的大多数字符串。

edge_value_pattern = re.compile(r'(?P<edge>e[0-9]+) +(?P<label1>[^ ]*)[^"]+"(?P<word>[^"]+)"[^:]+:: (?P<label2>[^\n]+)')

这是我的正则表达式要解析的示例字符串：

'e0 BIKE-EVENT 1 "biking" 2'

它正确地将e0存储到edge组中，将BIKE-EVENT正确存储到label1组中，将"biking"存储到word组中。最后一组label2用于字符串的略有不同的变体，如下所示。请注意，label2正则表达式组在给定类似下面的字符串时表现如预期。

'e29 e30 "of" :: of, OF'

然而，正则表达式模式填充label1的值e30.事实是此字符串没有任何label1值 - 它应该是None或至少空字符串。 ad-hoc解决方案是使用正则表达式解析label1以确定它是实际标签还是只是另一个边缘。我想知道是否有办法修改我的原始正则表达式，以便小组edge接收所有edges。例如，上述字符串的输出为：

edge = "e29 e30"

label1 = None

word = of

label2 = of, OF

我在下面尝试了这个解决方案，我认为这可以转换为简单地循环遍历第一个组edge（如果我有一个实际的FSA，这将是微不足道的），但它不会改变行为正则表达式。

edge_value_pattern = re.compile(r'(?P<edge>(e[0-9]+)+) +(?P<label1>[^ ]*)[^"]+"(?P<word>[^"]+)"[^:]+:: (?P<label2>[^\n]+)')

Answer 1

如果您希望edge与"e29 e30"匹配，则必须将重复放在组中，而不是在外面。

你是通过在edge组中添加一个+重复的新组来做到这一点 - 这很好，虽然你可能想要一个非捕获组 - 但你忘了包含空间在重复小组里面。

（你也离开了外部重复，并使用了一个你可能想要非捕获的捕获组，但那些不太严重。）

只看那个片段：

(?P<edge>(e[0-9]+)+)

Debuggex Demo

此处，表达式将e29作为一个匹配，然后e30作为后续匹配。因此，如果您在表达式中添加任何其他内容，则可能会错过e29，或者只是失败。但是添加空格：

(?P<edge>(e[0-9]+ )+)

Debuggex Demo

现在它匹配e29 e30加上尾随空格作为单个匹配，这意味着你可以使用任何额外的东西并且它可以工作（只要你得到正确的其他东西 - 你仍然需要删除额外的+，我认为你可能需要做一些非贪婪的重复......）。