重用正则表达式模式的一部分

Question

考虑这个（非常简化的）示例字符串：

1aw2,5cx7

如您所见，它是由逗号分隔的两位digit/letter/letter/digit值。

现在，我可以将其与以下内容进行匹配：

>>> from re import match
>>> match("\d\w\w\d,\d\w\w\d", "1aw2,5cx7")
<_sre.SRE_Match object at 0x01749D40>
>>>

问题是，我必须写\\d\\w\\w\\d两次。 对于小模式，这还不错，但是，对于更复杂的正则表达式，两次编写完全相同的内容会使最终模式变得庞大且难以处理。 这似乎也是多余的。

我尝试使用命名的捕获组：

>>> from re import match
>>> match("(?P<id>\d\w\w\d),(?P=id)", "1aw2,5cx7")
>>>

但它不起作用，因为它正在寻找1aw2两次出现，而不是digit/letter/letter/digit 。

有没有办法保存模式的一部分，例如\\d\\w\\w\\d ，以便以后可以在同一模式中使用它？ 换句话说，我可以在模式中重用子模式吗？

Answer 1

不，当使用标准库re模块时，正则表达式模式不能被“符号化”。

你总是可以通过重用 Python 变量来做到这一点，当然：

digit_letter_letter_digit = r'\d\w\w\d'

然后使用字符串格式来构建更大的模式：

match(r"{0},{0}".format(digit_letter_letter_digit), inputtext)

或者，使用 Python 3.6+ f 字符串：

dlld = r'\d\w\w\d'
match(fr"{dlld},{dlld}", inputtext)

我经常使用这种技术从可重用的子模式中组合出更大、更复杂的模式。

如果你准备安装外部库，那么regex项目可以通过一个regex子程序调用来解决这个问题。 语法(?<digit>)重新使用已使用（隐式编号）捕获组的模式：

(\d\w\w\d),(?1)
^........^ ^..^
|           \
|             re-use pattern of capturing group 1  
\
  capturing group 1

您可以对命名捕获组执行相同操作，其中(?<groupname>...)是命名组groupname ，并且(?&groupname) 、 (?P&groupname)或(?P>groupname)重新使用匹配的模式groupname （后两种形式是与其他引擎兼容的替代形式）。

最后， regex支持(?(DEFINE)...)块来“定义”子例程模式，而无需它们在该阶段实际匹配任何内容。 您可以在该构造中放置多个(..)和(?<name>...)捕获组，以便稍后在实际模式中引用它们：

(?(DEFINE)(?<dlld>\d\w\w\d))(?&dlld),(?&dlld)
          ^...............^ ^......^ ^......^
          |                    \       /          
 creates 'dlld' pattern      uses 'dlld' pattern twice

明确地说：标准库re模块不支持子程序模式。

Answer 2

注意：这将适用于PyPi regex module ，而不适用于re模块。

在您的情况下，您可以使用符号(?group-number) ：

(\d\w\w\d),(?1)

它相当于：

(\d\w\w\d),(\d\w\w\d)

请注意， \\w包括\\d 。 正则表达式将是：

(\d[a-zA-Z]{2}\d),(?1)

Answer 3

我被同样的问题困扰并写了这个片段

import nre
my_regex=nre.from_string('''
a=\d\w\w\d
b={{a}},{{a}}
c=?P<id>{{a}}),(?P=id)
''')
my_regex["b"].match("1aw2,5cx7")

由于缺乏更具描述性的名称，我将部分正则表达式命名为a 、 b和c 。

访问它们就像{{a}}一样简单

Answer 4

import re
digit_letter_letter_digit = re.compile("\d\w\w\d") # we compile pattern so that we can reuse it later
all_finds = re.findall(digit_letter_letter_digit, "1aw2,5cx7") # finditer instead of findall
for value in all_finds:
    print(re.match(digit_letter_letter_digit, value))

Answer 5

既然你已经在使用 re，为什么不使用字符串处理来管理模式重复：

pattern = "P,P".replace("P",r"\d\w\w\d")

re.match(pattern, "1aw2,5cx7")

或者

P = r"\d\w\w\d"

re.match(f"{P},{P}", "1aw2,5cx7")

Answer 6

尝试使用反向引用，我相信它可以像下面这样匹配

1aw2,5cx7

你可以用

(\d\w\w\d),\1

请参阅此处以供参考http://www.regular-expressions.info/backref.html