Question

这是文本文件abc.txt

的abc.txt

aa:s0:education.gov.in
bb:s1:defence.gov.in
cc:s2:finance.gov.in

我正在尝试使用以下正则表达式在每个“：”处通过标记化（使我更正，如果这是不正确的术语:)来解析此文件。

parser.py

import re,sys,os,subprocess
path = "C:\abc.txt"
site_list = open(path,'r')
for line in site_list:
    site_line = re.search(r'(\w)*:(\w)*:([\w\W]*\.[\W\w]*\.[\W\w]*)',line)
    print('Regex found that site_line.group(2) = '+str(site_line.group(2))

为什么输出

Regex found that site_line.group(2) = 0
Regex found that site_line.group(2) = 1
Regex found that site_line.group(2) = 2

有人可以帮我理解为什么它与第二组的最后一个角色匹配？我认为它从s0开始匹配0，从s1和s开始匹配1 2来自s2

但为什么？

Answer 1

让我们展示一个简化的例子：

>>> re.search(r'(.)*', 'asdf').group(1)
'f'
>>> re.search(r'(.*)', 'asdf').group(1)
'asdf'

如果在捕获组周围有重复操作符，则该组将存储最后一次重复。将组放在重复运算符周围可以实现您的目的。

如果您希望看到来自第三组的数据，那将是group(3)。 group(0)是完整匹配，group(1)，group(2)等会计入实际的括号内的捕获组。

那就是说，正如评论所暗示的那样，正则表达式对此非常有用。

>>> 'aa:s0:education.gov.in'.split(':')
['aa', 's0', 'education.gov.in']

Answer 2

第一组完全匹配 default。

如果groupN参数为零，则相应的返回值为整个匹配的字符串。

所以你应该跳过它。如果你想要最后一个，请检查group(3)。

另外，你应该在for循环之前编译regexp。它提高了解析器的性能。

如果您希望匹配(\w)*之间的所有符号，则可以将(\w*)替换为:。

Square Brackets []的Python正则表达式行为

2 个答案: