python - 高级字符串的正则表达式

Question

使用 Python 3.4 我想匹配具有以下格式的字符串:

s1 = "Germany  ; Federal Republic of Germany\tRépublique fédérale d'Allemagne\n"
s2 = "English  ; English language\tanglais\n"
s3 = "February\tfévrier\n"

请注意两种语言之间如何存在制表符，如果一种语言中有多个单词，则它们被 "; "(两个空格、分号、一个空格)分隔。

我的目标是读取每种语言的第一个变量。所以我想匹配

• s1 至 ("德国", "République fédérale d'Allemagne")
• s2 至 ("English", "anglais")
• s3 至 ("二月", "février")

在\t两边只有一对词汇或多个表达式的情况下。

问题是我找不到正确的模式。我尝试了多个表达式(使用 search() ，然后在返回的匹配对象上调用 groups() )，但似乎无法解决问题。

s1 的示例:

• r"([\w ]*)\t([\w ]*)" 查找 ('德意志联邦共和国', 'République fédérale d')
• r"(.*),?\t(.*),?" 查找 ('德国 ; 德意志联邦共和国', "République fédérale 达勒曼”)

这两个例子都没有达到我想要的效果。我不知道下一步该尝试什么。我确信有一种方法可以匹配 "; " 后面的任何字符，直到 \t 但我现在不知道如何。

非常感谢您的帮助。

Answer 1

需要记住的重要一点是中间部分 - 由“;”分隔的可选第二位- 是可选的。正则表达式支持使用 ? 运算符的可选部分。

您想要捕获第一个单词，忽略中间部分，并捕获最后部分:

(capture) optional? (capture)

因为中间部分可能很复杂，所以您需要使用括号。但是您可以使用非捕获括号 - (?: non-captured pattern ) 来实现这一点。

(capture) (?: optional )? (capture)

你也许可以弄清楚剩下的事情:

#! python3
strings = [
    "Germany  ; Federal Republic of Germany\tRépublique fédérale d'Allemagne\n",
    "English  ; English language\tanglais\n",
    "February\tfévrier\n",
]

import re

for s in strings:
    m = re.match(r"^(\S+)(?:  ; [^\t]+)?\t([^\n]+)\n", s)
    print((m.group(1), m.group(2)))