Question

我试图从csv文件中解析一些行来提取一系列数字。有两种可能的格式，单独的数字，或嵌入在较长代码中的数字。

这是我正在做的事情的代码示例，以及出了什么问题：

# regex works
>>> re.search('^(\d+)$', '5755').group(0, 1)
('5755', '5755')

# regex works with capturing group inside non-capturing group
>>> re.search('(?:^(\d+)$)', '5755').group(0, 1)
('5755', '5755')

# regex does not work as second of two non-capturing groups
>>> re.search('(?:\$SK-*(\d+)[-K])|(?:^(\d+)$)', '5755').group(0, 1)
('5755', None)

# the other regex of the pair works
>>> re.search('(?:\$SK-*(\d+)[-K])|(?:^(\d+)$)', '11$SK-2301-K13').group(0, 1)
('$SK-2301-', '2301')

# the regex works as the first of two non-capturing groups
>>> re.search('(?:^(\d+)$)|(?:\$SK-*(\d+)[-K])', '5755').group(0, 1)
('5755', '5755')

正如您所看到的，正则表达式本身可以正常工作，或者包含在（？...）中，但是当与另一个正则表达式结合使用时，两个正则表达式中的第二个正则表达式的组停止工作，即使搜索返回一个匹配对象。但是，如果我然后交换管道连接的正则表达式的顺序，第一个仍然可以工作，无论它是哪个正则表达式。

要清楚的是，当我将两个正则表达式与管道（'|'）组合在一起时，第一个上的组将起作用，但第二个上的组将不起作用。

为什么会这样？我该如何解决这个问题？

Answer 1

问题的原因是，对子群如何运作的直观理解并不是他们在实践中如何运作。

我将扩展您的问题的两个不同评论正确指出。 子组未被捕获编号，而是在创建/解析正则表达式时被修复。例如：

re.search('match:(foo)','match:foo').group(1)

将是

('foo')

因为第一个捕获组是(foo)。类似地

re.search('match:(foo)(bar)','match:foobar').group(1,2)

将是

('foo','bar')

由于第一和第二个捕获组是(foo)和(bar)，并且每个捕获组都匹配并捕获。

以

等模式

match:(?:(foo)|(bar))

(foo)和(bar)仍然是第一个和第二个捕获组，即使其中只有一个可以捕获，感谢OR |。

re.search('match:(?:(foo)|(bar))','match:foo').group(1,2)
re.search('match:(?:(foo)|(bar))','match:bar').group(1,2)

将输出

('foo', None)
(None, 'bar')

因此，您需要在代码中添加一些逻辑，以检查哪些捕获组具有内容并返回该内容。

Python3：子组匹配不适用于OR'|'加入正则表达式

1 个答案: