Question

我正在尝试检索两个不同的项目，而不使用正则表达式来匹配术语：

[[A]] son of [[B]]

我认为这样可行：

\[\[[A-Za-z\s]+\]\](?:(.*son of.*))\[\[[\|,A-Za-z\s]+\]\]

但它不太合适。如何在不返回“儿子”的情况下匹配A和B？

Answer 1

我假设您有一个类似[[Worf]] son of [[Mogh]]的字符串，您希望从中“返回”（即匹配）[[Worf]]和[[Mogh]]。为此，您需要捕获要捕获的正则表达式部分（也称为“返回”）周围的组（括号）。为了不返回son of，您还需要删除其中的捕获组（嵌套在(?:...)中）。

在代码中：

>>> s = '[[Worf]] son of [[Mogh]]'
>>> p = re.compile('(\[\[[A-Za-z\s]+\]\])(?:.*son of.*)(\[\[[\|,A-Za-z\s]+\]\])')
>>> print p.match(s).groups()
('[[Worf]]', '[[Mogh]]')

如果您使用.groups()方法获取匹配的部分，您还可以将非捕获组放在.*son of.*周围，这可能会使RE更具可读性（我碰巧认为它制定意图 - 不要捕捉 - 更清楚）。

Answer 2

我会回应dcrosta的回答，虽然我个人更喜欢使用命名捕获。使用命名捕获使得正则表达式本身更难以阅读，它为您提供了类似字典的捕获访问：

>>> mw_string = "[[Duras]] son of [[Ja'rod]]"
>>> son_re = re.compile('\[\[(?P<son>[^\]]+)\]\](?:.*son of.*)\[\[(?P<parent>[^\]]+)\]\]')
>>> print son_re.match(mw_string).group("son")
Duras
>>> print son_re.match(mw_string).group("parent")
Ja'rod

使用名称捕获的优点是您可能正在创建一整套各种regexen，每个regexen都有一组定义的参数，您希望以特定的有意义顺序从匹配中取出（例如，“[[Ja] 'rod]]的儿子[[Duras]]“）。

由于您看起来正在解析MediaWiki，因此使用mwlib迭代链接然后找到在其周围环境中具有“son of”的链接可能对您有用。这肯定有助于各种特殊形式的链接与这组regexen不匹配。

Answer 3

请尝试以下操作：(\[\[[A-Za-z\s]+\]\])(?:.*son of.*)(\[\[[\|,A-Za-z\s]+\]\])

p = re.compile(r"(\[\[[A-Za-z\s]+\]\])(?:.*son of.*)(\[\[[\|,A-Za-z\s]+\]\])")
m = p.match("[[A]] son of [[B]]")
print m.groups()
# ('[[A]]', '[[B]]')

Answer 4

>> a = "\[\[([A-Za-z]+)\]\] son of \[\[([A-Za-z]+)\]\]"
>> p = re.compile(a)
>> m = p.match("[[A]] son of [[B]]")
>> m.groups()
('A', 'B')

匹配但不返回两个匹配之间的正则表达式

4 个答案: