Question

我正在尝试创建一个正则表达式，它将接受字符串并将它们分成三组：（1）字符串开头的任何一个特定的单词列表。（2）字符串末尾的特定单词列表中的任何一个。（3）这两场比赛之间的所有字母/空格。

举个例子，我将使用以下两个字符串：

'There was a cat in the house yesterday'
'Did you see a cat in the house today'

我希望将字符串分解为捕获组，以便匹配对象m.groups()将分别为每个字符串返回以下内容：

('There', ' was a cat in the house ', 'yesterday')
('Did', ' you see a cat in the house ', 'today')

最初，我想出了以下正则表达式：

r = re.compile('^(There|Did) ( |[A-Za-z])+ (today|yesterday)$')

但是这会返回：

('There', 'e', 'yesterday')
('Did', 'e', 'today')

所以它只给了我中间组中匹配的最后一个字符。我了解到这并不起作用，因为捕获组只会返回匹配的最后一次迭代。所以我将括号放在中间捕获组周围，如下所示：

r = re.compile('^(There|Did) (( |[A-Za-z])+) (today|yesterday)$')

但是现在，虽然它确实至少捕获了中间组，但它也会返回一个额外的＆＃34; e＆＃34; m.groups()中的字符，即：

('There', 'was a cat in the house', 'e', 'yesterday')

...虽然我觉得这与回溯有关，但我无法弄清楚它为什么会发生。有人可以向我解释为什么我得到这个结果，以及我如何能得到预期的结果？

Answer 1

您可以使用匹配任何字符的.（点）运算符替换中间捕获组，然后使用*（星号）来简化当前正则表达式并获得正确的行为运算符重复匹配任何字符：

import re

s1 = 'There was a cat in the house yesterday'
s2 = 'Did you see a cat in the house today'

x = re.compile("(There|Did)(.*)(today|yesterday)")
g1 = x.search(s1).groups()
g2 = x.search(s2).groups()

print(g1)
print(g2)

生成此输出：

（'那里'，'房子里有一只猫'，'昨天'）
（'做'，'你看到房子里有一只猫'，'今天'）

Answer 2

重复捕获组仅捕获最后一次迭代。放一个捕获重复组周围的组以捕获所有迭代或如果您对此不感兴趣，请使用非捕获组数据

来源https://regex101.com/

以下是正常工作：

^(There|Did) ([ A-Za-z]+) (today|yesterday)$

Answer 3

 r = re.compile('^(There|Did) (( |[A-Za-z])+) (today|yesterday)$')
                               ^ ^        ^

你有一些不必要的东西。拿出那些并在你的中间组中包含空格：

r = re.compile('^(There|Did) ([A-Za-z ]+) (today|yesterday)$')
                                     ^ space

实施例

>>> r = re.compile('^(There|Did) ([A-Za-z ]+) (today|yesterday)$')
>>> r.search('There was a a cat in the hosue yesterday').groups()
('There', 'was a a cat in the hosue', 'yesterday')

此外，如果您希望空格成为中间（第二）组的一部分，请取出捕获组之间的空格

Python正则表达式返回匹配的最后一个字符的额外捕获组

3 个答案: