如何修复非贪婪的正则表达式

Question

word = "\W*?[^,\t ]*?\W*?"
quotedSelectedWord = "\W*?\"(.*?)\"\W*?"
leftCurlyBrace = "\W*?\{\W*?"
rightCurlyBrace = "\W*?\}\W*?"
expression = leftCurlyBrace + word + "," + quotedSelectedWord

p = re.compile(expression)

for line in sourceFileList:
    line = line.strip()
    if (p.match(line)):         
        temp1 = p.sub(r"\1", line);
        print "temp1 = " + temp1 + "\n"

如果第一行是（没有实际的单引号）：'{_ blah_blah，'blah-blah“，”blah blah blah“，false，false，{_blah}，”“}，'

为什么temp1 ='blah-blah，'blah blah blah“，false，false}，'？

我认为这相当于括号中的第一个“组”，我认为这将是“等等”。

Answer 1

正则表达式查找模式不是一次而是两次。

它找到的第一个是：

{_blah_blah, "blah-blah"

在这种情况下， group(1)你把括号以上的部分）是blah-blah ，因为你确定的，它用来替换的字符串的第一部分。

但它也在这里找到了模式：

, {_blah}, ""

这里group(1) ，仍在寻找.*? ，是一个空字符串。 所以它没有任何东西替换字符串的那部分，有效地删除它。

这个网站帮我解决了这个问题。

这是一个显示以下匹配项的网站 ：

与正则表达式的链接到位。

更新

这个网站在解析正则表达式时更有帮助： http ： //regex101.com/#python

在此站点上，输入正则表达式。 重要的一点是在其右侧输入g修饰符以获得所有匹配。 接下来输入测试字符串和\\1替换。 它已经显示了匹配和替换。 这很好。 现在在左侧单击“正则表达式调试器”。

如果您展开此部分，您将能够确切地看到它如何找到2个匹配项：

Answer 2

python文档声明了re.sub(pattern, repl, string, count=0, flags=0)

返回通过替换repl替换字符串中最左边的非重叠模式而获得的字符串。

如果我们重写一下for循环：

for line in sourceFileList:
    line = line.strip()
    match = p.match(line)
    if (match):
        print "whole match = " + match.group()
        print "first group = " + match.group(1)
        temp1 = p.sub(r"\1", line)
        print "temp1 = " + temp1 + "\n"

我们得到输出：

whole match = {_blah_blah, "blah-blah"
first group = blah-blah
temp1 = blah-blah, "blah blah blah", false, false},

所以这意味着{_blah_blah, "blah-blah"将被原始字符串中的blah-blah所取代，其中仍包含, "blah blah blah", false, false, {_blah}, ""},最后。

如果您只想获得第一个捕获组，可以使用如上所示的group(1) 。

编辑 ：

正如twasbrillig的回答所指出的那样，有两个替代品。 如果使用count = 0调用re.sub或省略count参数，则替换所有出现的模式，而不仅仅是第一个模式。

---

旁注：我建议在您的模式中使用原始字符串：

word = r"\W*?[^,\t ]*?\W*?"