python - 具有重复组的正则表达式

Question

我一直在尝试匹配连字符之间的短语。我意识到我可以轻松地拆分连字符并取出短语，但我的等效正则表达式无法按预期工作，我想了解原因:

([^-,]+(?:(?: - )|$))+

[^-,]+ 只是我对短语的定义

(?: - ) 只是非捕获空格分隔的连字符

so (?:(?: - )|$)正在捕获连字符或行尾

最后，用 + 量词括在括号中的整个内容匹配多个。

如果我执行regex.match("A - B - C").groups()，我得到的是('C',)

我还尝试了更简单的正则表达式 ([^,-]+)+ ，结果相似

我使用 re.match 因为我想使用 pandas.Series.str.extract 将其应用到一个很长的列表。

重申一下:我现在在连字符上使用简单的split，但为什么这个正则表达式不返回多个组？

谢谢

Answer 1

正则表达式捕获组根据其在表达式中的出现进行静态“命名”。每个捕获组都有自己的编号，并且无论单个组捕获某些内容的频率如何，都会将匹配项分配给该组。

如果一个组之前捕获了某些内容，之后又再次捕获了某些内容，那么后面的结果将覆盖之前捕获的内容。无法使用正常匹配来收集组的所有捕获值。

如果您想查找多个值，则只需匹配单个组并重复匹配字符串的其余部分。这通常由 re.findall 或 re.finditer 完成:

>>> re.findall('\s*([^-,]+?)\s*', 'A - B - C')
['A', 'B', 'C']