Question

我正在使用Python并尝试处理StatsModel的GLM输出。我对正则表达式比较陌生。我有诸如

的字符串

string_1 = "C(State)[T.Kansas]"
string_2 = "C(State, Treatment('Alaska'))[T.Kansas]"

我写了以下正则表达式：

pattern = re.compile('C\((.+?)\)\[T\.(.+?)\]') 
print(pattern.search(string_1).group(1))
#State
print(pattern.search(string_2).group(1))
#State, Treatment('Alaska')

因此，这两个字符串都与模式匹配。但是我们都希望在两种情况下都得到State。基本上，我们希望在第一括号内的逗号（包括它）之后阅读所有内容。

我们如何区分string_2和string_1的{{1}}模式而没有State提取, Treatment？

Answer 1

您可以添加一个可选的非捕获组，而不仅仅是允许所有字符：

pattern = re.compile('C\((.+?)(?:, .+?)?\)\[T\.(.+?)\]')

(?:...)将内容分组在一起而不捕获它。尾随?使该组成为可选。

Answer 2

您可以使用否定字符类使用此正则表达式：

C\((\w+)[^[]*\[T\.([^]]+)\]

RegEx Demo

正则表达式：区分包含/不包含给定单词的字符串

2 个答案: