返回意外结果的 Python 3 正则表达式

Question

我不明白为什么后面的两个代码块会为测试用例提供不同的结果。第一个代码块按预期返回 2016，但当进行小的更改时，第二个代码块返回 None。

这是第一个，按预期返回“2016”

import re
date = '24 Jan 2016'
def func(line):
    month_regex = re.search('(\d{1,2})\s(Jan)\s(\d{2,4})', line)
    if month_regex:
        year = month_regex.group(3)
    return year
func(date)

然后，我添加“(uary)?”到正则表达式，由于某种原因，它返回 None。请注意，group(1) 和 group(2) 在这两种情况下的结果相同。

import re
date = '24 Jan 2016'
def func(line):
    month_regex = re.search('(\d{1,2})\s(Jan(uary)?)\s(\d{2,4})', line)
    if month_regex:
        year = month_regex.group(3)
    return year
func(date)

为什么第二个代码块返回 None？

Answer 1

由于第二个正则表达式包含一个额外的 (uary)? capturing 组，匹配结果现在包含 4 个组和 .group(3) 不再映射到年份，而是映射到可选的 uary 子字符串。并且由于输入在 Jan 之后没有 uary，因此组值为 None，它只是未初始化。

在保持组结构不变的同时添加可选组的最佳方法是通过 non-capturing groups :

month_regex = re.search(r'(\d{1,2})\s(Jan(?:uary)?)\s(\d{2,4})', line)
                                         ^^ 

参见 Python demo online .

这里，分组如下:

(\d{1,2})\s(Jan(?:uary)?)\s(\d{2,4})
|-- 1 --|  |---- 2 -----|  |-- 3 --|

此外，最佳做法是使用原始字符串文字进行正则表达式模式声明，只是为了避免在添加单词边界或反向引用时产生进一步的误解。