Question

此原始数据数组的每个元素都由regex

解析

['\r\n\t\t\t\t\t\t', 
 'Monday, Tuesday, Wednesday, Thursday, Friday, Saturday:', 
 ' 12:00 pm to 03:30 pm & 07:00 pm to 12:00 am\t\t\t\t\t',      
 '\r\n\t\t\t\t\t\t', 
 'Sunday:', 
 ' 12:00 pm to 03:30 pm & 07:00 pm to 12:30 am\t\t\t\t\t']

这是我的正则表达式(\\r|\\n|\\t)|(?:\D)(\:)

https://regex101.com/r/fV7wI2/1

请注意，我尝试匹配星期六之后的:，而不是时间格式中的:，例如12:00

虽然上面的图像正确地分类捕获/非捕获组

运行re.sub("(\\r|\\n|\\t)|(?:\D)(\:)",'',"Monday, Tuesday, Wednesday, Thursday, Friday, Saturday:")

返回

'Monday, Tuesday, Wednesday, Thursday, Friday, Saturda'（星期六之后错过'y'）

而不是

'Monday, Tuesday, Wednesday, Thursday, Friday, Saturday'

为什么会这样？

Answer 1

如果要检查子字符串是否存在，则需要使用后视而不是非捕获组，但是要将其从匹配项中排除：

import re
s = "Monday, Tuesday, Wednesday, Thursday, Friday, Saturday:"
print(re.sub(r"[\r\n\t]|(?<!\d):",'',s))
#                         ^^^^^^^ 
# Result: Monday, Tuesday, Wednesday, Thursday, Friday, Saturday

请参阅IDEONE demo

此处，(?<!\d)仅检查冒号前面的字符是否不是数字。

此外，更改涉及额外开销，最好使用字符类[\r\n\t]，并且您不需要任何捕获组（圆括号），因为您根本不使用它们。

另外，请注意正则表达式使用原始字符串文字进行初始化，以避免过度使用。

关于非捕获组和否定后卫的一些more details from Python Regular Expression Syntax：

(?<!...)
    - 如果字符串中的当前位置前面没有...的匹配项，则匹配。这被称为负面的后观断言。与正向lookbehind断言类似，包含的模式必须仅匹配某些固定长度的字符串，并且不应包含组引用。以负向lookbehind断言开头的模式可能在被搜索字符串的开头匹配。

(?:...)
   - 常规括号的非捕获版本。匹配括号内的正则表达式，但在执行匹配后或在模式中稍后引用时，无法检索组匹配的子字符串。

后视是零宽度断言（=表达式返回 true 或 false 而不在字符串中进一步移动索引），在这种情况下，你想要检查而不是匹配，它们正是你所需要的。非捕获组将消耗部分字符串，因此将成为匹配的一部分。

Answer 2

\D为非数字。saturday y为non digit，因此会被删除。

使用

print re.sub("(\\r|\\n|\\t)|(?<=\D):",'',"Monday, Tuesday, Wednesday, Thursday, Friday, Saturday:")

使用lookahead可确保您在: /

之前不删除多余的字符

Answer 3

我认为您误解了(?:\D)不会在Regex中将其作为一个字母考虑，实际上它是错误的，它只是没有将\D捕获到变量中$1。每次使用(...)时，您必须意识到(...)中的任何模式都会被捕获到变量中$1，$2，...中的变量。

解决这个问题的最佳方法是使用正面/负面预测作为@vks和@stribizhev的答案，因为外观只是一个不消耗任何字母的断言，这就是为什么我们称之为＆＃ 34;零宽度断言＆＃34; 。

正则表达式/ Python - 为什么在这种情况下捕获非捕获组？

3 个答案: