Question

假设我有这样的字符串：

所以，我有一个字符串列表：

list = ["DT NN IN NN", "DT RB JJ NN", "DT JJ JJ NN", "DT RB RB NN NN", "DT RB RB"]

我有以下代码：

pattern = "(?:DT\s+)+([?:RB\s+|?:JJ\s+])+(?:NN\s+)*NN$"
for item in list:
    m = re.match(pattern, item)
    if m:
        print item

我想从pattern得到的是匹配以DT开头的字符串（出现一次或多次）RB或JJ（出现一次或多次）），但不是两者，然后以NN结束（再次出现一次或多次）。

因此，在最终结果中，我应该在屏幕上打印3和4。但是，我的正则表达式，另外我得到2，我不想要。如何更改pattern以便这可行？如何用XOR更换管道（OR）？

Answer 1

问题在于如何定义RB和JJ的存在。你没有提到只有它们中的任何一个应该存在。这可以通过用|（管道）分离它们并让它们中的任何一个重复一次或多次（+）来实现。尝试将模式更改为：

pattern = "(?:DT\s+)+(?:(RB\s+)+|(JJ\s+)+)(?:NN\s+)*NN$"

此外，(?:<something>)被称为非捕获组。你用它来说“我希望<something>匹配，但是当我稍后选择组时不包括它。而从它的外观来看，你没有使用任何组。你只是打印整个{{1} （除非你为了简洁而屏蔽了代码）。如果你实际上不需要组，这里有一个适合你的简单版本：

item

我还让白色空格的结束集合出现0次或更多次，而不是像原始模式那样出现一次或多次。随意改变它。

Answer 2

[...]是字符类，您要匹配包含?，:和+以及{{1}的一组字符等等。除了|标记系列之外，字符类中没有修饰符或特殊字符。

您需要匹配重复-或RB：

JJ

我把它简化了;你还没有使用任何一组。

由于您不依赖捕获组，因此使用非捕获组也没有任何意义;只需使用pattern = r"(?:DT\s+)+(?:(?:RB\s+)+|(?:JJ\s+)+)NN"代替(...)即可获得更简洁的正则表达式。

您可能希望添加锚点以确保(?:...)仅在开始时匹配，并将最后的DT替换为NN以将其锚定在最后，并移动与每个重复组的开头匹配的空格：

(NN\s+)*NN$

Answer 3

如果我正确理解了这个问题，你可以先把它分成两个不同的问题来解决这个问题：

以RB开头，后跟一个或多个NN s后跟一个或多个^DT(\s+DT)*(\s+RB)+(\s+NN)+$的正则表达式：
```
DT
```
以JJ开头，后跟一个或多个NN s后跟一个或多个^DT(\s+DT)*(\s+JJ)+(\s+NN)+$的正则表达式：
```
^((DT(\s+DT)*(\s+RB)+(\s+NN)+)|(DT(\s+DT)*(\s+JJ)+(\s+NN)+))$
```

现在你可以简单地在这两者之间放一个管道（或操作员）：

^DT(\s+DT)*((\s+RB)+|(\s+JJ)+)(\s+NN)+$

以后通过将其重构为：

来简化它

VectorDrawables

或使用Regexper的可视化表示：