我有以下格式的演讲者信息行列表（注意：列表来自LibriSpeech语料库）：
58 | M | train-other-500 | 30.06 | George Coutts
|（管道）将该行划分为：
我想使用正则表达式在Python中提取此信息。到目前为止，我使用了以下正则表达式：
(?P<speaker_id>.*)\|(?P<sex>.*)\|(?P<subset>.*)\|(?P<minutes>.*)\|(?P<speaker_name>.*)(?=.*)
这适用于几乎所有情况，除非说话者名称本身包含管道字符（至少一个说话者就是这种情况）。然后正则表达式通过贪婪匹配第一组（然后还包含性别和子集信息）以错误的方式拆分不同的组。
请参阅https://regex101.com/r/GQzWOg/2了解演示。
如何让正则表达式与最后一个管道后的所有内容匹配为speaker_name组？
我已经尝试过positive lookahead但我真的无法理解这个......
答案 0 :(得分：1)
您可以更正确地使用正则表达式：
^(?P<speaker_id>\d+)\s*\|\s*(?P<sex>[MF])\s*\|\s*(?P<subset>.*?)\s*\|\s*(?P<minutes>\d[\d.]*)\s*\|\s*(?P<speaker_name>.*)
请参阅regex demo
打破它：
^ - 字符串的开头（如果使用re.M标志，则为行）(?P<speaker_id>\d+) - 1+位数\s*\|\s* - |附有0 +空格(?P<sex>[MF]) - M或F（针对性别）\s*\|\s* - |附有0 +空格(?P<subset>.*?) - 除了换行符之外的任何0 +字符\s*\|\s* - |附有0 +空格(?P<minutes>\d[\d.]*) - 一个数字，然后是0+数字或. \s*\|\s* - |附有0 +空格(?P<speaker_name>.*) - 除了换行符之外的任何0 +字符，直到字符串/行的末尾。