正则表达式:使用最后匹配的可选捕获组

时间:2017-03-28 07:01:14

标签: regex capture-group

我想使用正则表达式完成以下操作:

INPUT

M1  hello world 1234_5678  ip som lorem  9321_1231  iste natus error sit voluptatem   4313_4351  ratione voluptatem sequi nesciunt   4312_1234
M2 magnam aliquam 4351_3143  sed quia non numquam  3123_1432

输出

M1    hello world   1234    5678 
M1    ip som lorem   9321    1231
M1    iste natus error sit voluptatem   4313    4351 
M2    magnam aliquam     4351    3143 
M2    sed quia non numquam    3123    1432

reg-ex匹配

(M[1|2])?\s+(\D+)(\d{4})_(\d{4})(\n)?

和sub

\1\t\2\t\3\t\4\n

让我靠近(参见:https://regex101.com/r/tKgCBi/1/

M1  hello world     1234    5678
    ip som lorem    9321    1231
    iste natus error sit voluptatem     4313    4351
    ratione voluptatem sequi nesciunt       4312    1234

M2  magnam aliquam  4351    3143
    sed quia non numquam    3123    1432

如果未进行此(可选)匹配,如何使用最后一个(可选)匹配的组?我假设在(M [1 | 2])时设置\ 1 = NULL?失败。

(我正在使用Python的“重新”模块)

1 个答案:

答案 0 :(得分:1)

您可以使用2-regex方法:匹配有资格进行拆分的行,然后将这些匹配传递给回调方法以进一步处理它们:

import re

s = '''M1  hello world 1234_5678  ip som lorem  9321_1231  iste natus error sit voluptatem   4313_4351  ratione voluptatem sequi nesciunt   4312_1234
M2 magnam aliquam 4351_3143  sed quia non numquam  3123_1432'''

def repl(m):
    return re.sub(r'\s+(\D+)(\d{4})_(\d{4})', '{}\t\\1\t\\2\t\\3\n'.format(m.group(1)), m.group(2))

whole_line_pattern = r'(?m)^(M[12])?((?:\s+\D+\d{4}_\d{4})+)$[\n\r]*'
res = re.sub(whole_line_pattern, repl, s)
print(res)

请参阅online Python demo

模式1

  • (?m)^ - 匹配行的开头
  • (M[12])? - 第1组匹配M1M2
  • ((?:\s+\D+\d{4}_\d{4})+) - 1个或多个序列:
    • \s+ - 1+空格
    • \D+ - 1+非数字字符
    • \d{4}_\d{4} - 4位数,_,4位
  • $[\n\r]* - 包含0+换行符的行尾

每个匹配都使用repl方法处理。正则表达式替换发现

  • \s+ - 1+空格
  • (\D+) - 第1组:一个或多个非数字字符
  • (\d{4}) - 第2组:四位字符
  • _ - _符号
  • (\d{4}) - 第2组:四位字符

匹配项被替换为M1M2m.group(1)),而\\1等是对插入非数字块的捕获组的反向引用,带有标签字符的4位数字块。