python - 在 Python 中组合多个正则表达式

Question

为了清楚起见，我一直在寻找一种同时编译多个正则表达式的方法。 为简单起见，假设每个表达式都应采用 (.*) something (.*) 格式。 测试的表达式不会超过 60 个。

如图所示here ，我终于写下了以下内容。

import re
re1 = r'(.*) is not (.*)'
re2 = r'(.*) is the same size as (.*)'
re3 = r'(.*) is a word, not (.*)'
re4 = r'(.*) is world know, not (.*)'

sentences = ["foo2 is a word, not bar2"]

for sentence in sentences:
    match = re.compile("(%s|%s|%s|%s)" % (re1, re2, re3, re4)).search(sentence)
    if match is not None:
        print(match.group(1))
        print(match.group(2))
        print(match.group(3))

由于正则表达式由竖线分隔，我认为一旦匹配到规则它会自动退出。

执行代码，我有

foo2 is a word, not bar2
None
None

但是通过在 re.compile 中反转 re3 和 re1 match = re.compile("(%s|%s|%s|%s)"% (re3, re2, re1, re4)).search (句子)，我有

foo2 is a word, not bar2
foo2
bar2

据我所知，第一条规则被执行，但其他规则没有执行。 有人可以为我指出这个案例的正确方向吗？

亲切的问候，

Answer 1

您的示例存在各种问题:

1. 您正在使用一个捕获 组，因此它获得您希望引用第一组内部正则表达式的索引1。请改用非捕获组 (?:%s|%s|%s|%s)。

2. 即使在 | 内部，组索引也会增加。所以(?:(a)|(b)|(c)) 你会得到:

   >>> re.match(r'(?:(a)|(b)|(c))', 'a').groups()
   ('a', None, None)
   >>> re.match(r'(?:(a)|(b)|(c))', 'b').groups()
   (None, 'b', None)
   >>> re.match(r'(?:(a)|(b)|(c))', 'c').groups()
   (None, None, 'c')
   

   您似乎希望只有一个组 1 返回 a、b 或 c，具体取决于分支。 .. 不，索引是按从左到右的顺序分配的，没有考虑正则表达式的语法。

regex模块通过对组进行编号来完成您想要的操作。如果你想使用内置模块，你将不得不接受这样一个事实，即正则表达式的不同分支之间的编号是不一样的如果你使用命名组:

>>> import regex
>>> regex.match(r'(?:(?P<x>a)|(?P<x>b)|(?P<x>c))', 'a').groups()
('a',)
>>> regex.match(r'(?:(?P<x>a)|(?P<x>b)|(?P<x>c))', 'b').groups()
('b',)
>>> regex.match(r'(?:(?P<x>a)|(?P<x>b)|(?P<x>c))', 'c').groups()
('c',)

(尝试将正则表达式与 re 一起使用会导致重复组出错)。