Question

说我有两种类型的字符串：

str1 = 'NUM-140 A Thing: Foobar Analysis NUM-140'
str2 = 'NUM-140 Foobar Analysis NUM-140'

对于这两个，我想匹配'Foobar'（可能是任何东西）。我尝试过以下方法：

m = re.compile('((?<=Thing: ).+(?= Analysis))|((?<=\d ).+(?= Analysis))')

ind1 = m.search(str1).span()
match1 = str1[ind1[0]:ind1[1]]

ind2 = m.search(str2).span()
match2 = str2[ind2[0]:ind2[1]]

然而，match1出现在'A Thing: Foobar'，这似乎是第二种模式的匹配，而不是第一种模式。单独应用（模式1到str1和模式2到str2，没有|），两个模式都匹配'Foobar'。我预计这会在第一个模式匹配时停止。这似乎并非如此。我错过了什么？

Answer 1

根据文件，

扫描目标字符串时，RE由＆＃39; |＆＃39;分隔。从左到右尝试。当一个模式完全匹配时，接受该分支。这意味着一旦A匹配，B将不会被进一步测试，即使它会产生更长的整体匹配。换句话说，＆＃39; |＆＃39;操作员从不贪心。

但行为似乎有所不同：

import re

THING = r'(?<=Thing: )(?P<THING>.+)(?= Analysis)'
NUM = r'(?<=\d )(?P<NUM>.+)(?= Analysis)'
MIXED = THING + '|' + NUM

str1 = 'NUM-140 A Thing: Foobar Analysis NUM-140'
str2 = 'NUM-140 Foobar Analysis NUM-140'

print(re.match(THING, str1))
# <... match='Foobar'>
print(re.match(NUM, str1))
# <... match='A Thing: Foobar'>
print(re.match(MIXED, str1))
# <... match='A Thing: Foobar'>

我们希望因为THING匹配＆＃39; Foobar＆＃39;，MIXED模式将获得＆＃39; Foobar＆＃39;并退出搜索。（根据文件）

因为它没有按照文档记录的方式工作，所以解决方案必须依赖于Python的or短路：

print(re.search(THING, str1) or re.search(NUM, str1))
# <_sre.SRE_Match object; span=(17, 23), match='Foobar'>

print(re.search(THING, str2) or re.search(NUM, str2))
# <_sre.SRE_Match object; span=(8, 14), match='Foobar'>

Answer 2

如果您使用命名组，例如(?P<name>...)，您将能够更轻松地进行调试。但请注意span的文档。

https://docs.python.org/2/library/re.html#re.MatchObject.span

span（[group]）对于MatchObject m，返回2元组（m.start（组）， m.end（组））。请注意，如果组没有参与比赛，这是（-1，-1）。组默认为零，整个匹配。

你没有传递组号。

为什么你还在使用span？只需使用m.search(str1).groups()或类似的

即可

使用or和re.search的Python正则表达式

2 个答案: