Question

我有一个Python脚本，试图在其中解析以下形式的字符串：

one[two=three].four

每个单词都应该在其自己的捕获组中。标点符号不应被捕获。

此外，字符串的每个部分都是可选的，并且由方括号分隔的部分可以重复。因此，以上是最完整的示例，但以下所有内容也应该是有效的匹配项：

one
.four
one[two=three][five=six]
[two=three]
[two].four
[two][five]
[]

如果其中一个单词不存在，那么我想捕获一个长度为0的字符串，而不是无法捕获。

我正在使用的正则表达式如下：

pattern = re.compile(
    r"""
      ^                     # Assert start of string
      (?P<cap1>             # Start a new group for "one"
        [a-z]*              #
      )                     #
      (?:                   # Start a group for "two" and "three"
        \[                  # Match the "["
        (?P<cap_2>          # Start a group for "two"
          [a-z]*            #
        )                   #
        =?                  # Delimit two/three with "="
        (?P<cap_3>          # Start a group for "three"
          [a-z]*            #
        )                   #
        \]                  # Match the "]"
      )*                    # End the two-three group, allowing repeats
      \.?                   # Delimit three/four with "."
      (?P<cap_4>            # Begin a group for "four"
        [a-z]*              #
      )                     #
      $                     # Assert end of string
    """, re.IGNORECASE|re.VERBOSE)

我在正则表达式中尝试做的是，不是通过将?附加到整个组中来允许一个组中的0或1，而是允许任意数量的字符通过以下方式实际匹配将*附加到字符选择中。因此，该匹配项被强制存在，但字符串本身的长度可以为0。

问题来自方括号内。我使用的package允许我使用match.captures(groupname)访问命名组的所有捕获。这样，我可以使用cap_2访问match.captures("cap_2")的所有匹配项：

>>> pattern.match("one[two=three][five=six].four").captures("cap_2")
["two", "five"]

使用方括号时，此方法工作正常。但是，当他们不在时：

>>> pattern.match("one.four").captures("cap_2")
[]
Expected: [""]

我希望cap_2和cap_3至少存在一个空字符串。但是，什么都没有。

这是因为我将*放在正则表达式的2 + 3部分之后，以便允许其中的多个组-这允许完全跳过正则表达式的那部分。

将*更改为+会破坏正则表达式，因为现在它与上面的示例完全不匹配，因为它试图匹配方括号。在每个方括号后面添加?表示cap_1和cap_2没有定界，并包括cap_4中cap_3中应包含的内容。

这里的解决方案是什么？如何允许包含两个捕获组的组被多次执行，但是当不存在方括号时仅匹配空字符串？

Answer 1

您可以通过在*重复的(?:\[(?P<cap_2>[a-z]*)=?(?P<cap_3>[a-z]*)\])*组之后替换+并添加第二次出现的cap_2和{{1} }（请注意，PyPi regex module在同一个正则表达式中支持多个名称相同的组）：

cap_3

请参见Python demo

问题是，import regex as re s = 'one.four' pattern = re.compile( r""" ^ # Assert start of string (?P<cap1> # Start a new group for "one" [a-z]* # ) # (?: (?: # Start a group for "two" and "three" \[ # Match the "[" (?P<cap_2> # Start a group for "two" [a-z]* # ) # =? # Delimit two/three with "=" (?P<cap_3> # Start a group for "three" [a-z]* # ) # \] # Match the "]" )+ # End the two-three group, allowing repeats | (?P<cap_2>)(?P<cap_3>) ) \.? # Delimit three/four with "." (?P<cap_4> # Begin a group for "four" [a-z]* # ) # $ # Assert end of string """, re.IGNORECASE|re.VERBOSE) print ( pattern.match("one.four").captures("cap_2") ) # => ['']部分可以匹配，因为它可以匹配一个空字符串，并且如果仅添加替代项而不更改修饰符，则将无法获得预期的结果。因此，如果没有(?:\[(?P<cap_2>[a-z]*)=?(?P<cap_3>[a-z]*)\])*，则具有空模式的第二个[...]和cap_2组将完全匹配以捕获空字符串。

Answer 2

如果希望它匹配空字符串或其他内容，则需要使用OR运算符：|
如果您想让正则表达式匹配空字符串，则需要匹配空字符串的内容： ()或(not empty|)

结合并应用于您的案例，看起来像这样（简化）：

((?:\[stuff inside the brackets\])+|)

最外面的组将捕获整个方括号结构（例如[two][three]）（如果存在）或为空字符串。请注意，|运算符的左侧现在必须至少匹配一次（+）。

正则表达式：匹配空字符串而不是空字符串

2 个答案: