Question

我试图用非捕获组来理解re.split（）函数来分割逗号分隔的字符串。

这是我的代码：

 pattern = re.compile(r',(?=(?:"[^"]*")*[^"]*$)')
 text = 'qarcac,"this is, test1",123566'
 results= re.split(pattern, text)
 for r in results:
    print(r.strip())

执行此代码时，结果符合预期。

split1 ：qarcac

split2 ：“这是test1”

split3 ：123566

而如果我在源文本中再添加一个双引号字符串，则无法按预期工作。

text = 'qarcac,"this is, test1","this is, test2", 123566, testdata'

并产生以下输出

split1 ：qarcac，“这是test1”

split2 ：“这是test2”

split3 ：123566

有人可以向我解释一下这是怎么回事，以及这两种情况下非捕获小组的工作方式有何不同？

Answer 1

这与（非）捕获组无关。

(?:"[^"]*")*[^"]*$匹配项：

"[^"]*"-带引号的字符串（两个引号之间有0个或多个非引号）
(?: ... )*-引用的字符串中的0个或更多
[^"]*-后跟0个或多个非引号
$-后跟字符串的结尾

换句话说，此正则表达式与"foo""bar""baz"otherstuff之类的东西匹配。

在第一个示例中，目标字符串为：

qarcac,"this is, test1",123566
       ^^^^^^^^^^^^^^^^^^^^^^^

我在与上述正则表达式匹配的部分下划线（带引号的部分，后跟无引号的尾部，然后是字符串的结尾）。

在第二个示例中，目标字符串为：

qarcac,"this is, test1","this is, test2", 123566, testdata
                        ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

再次，我强调了与正则表达式匹配的部分。

第一个引用的部分由于逗号不匹配：

"this is, test1","this is, test2"
                X

"foo","bar"不匹配，因为您的正则表达式要求引用的部分必须彼此相邻，例如"foo""bar"，而中间没有任何内容。

如果您只是想确保每个匹配的逗号都在引号部分之外（即引号后面是偶数），则可以简单地使用

,(?=[^"]*(?:"[^"]*"[^"]*)*$)

作为您的正则表达式。

Python正则表达式非捕获组

1 个答案: