为什么我不能在python中匹配正则表达式的最后一部分？

Question

我想匹配一个带有可选结尾'other (\\\\w+)'的句子。 例如，正则表达式应该如下匹配两个句子并提取单词'things'：

• 苹果和其他东西。
• 苹果很大。

我写了一个正则表达式如下。 但是，我得到了一个结果(None,) 。 如果我删除最后一个? 。 我会得到正确的答案。 为什么？

>>> re.search('\w+(?: other (\\w+))?', 'A and other things').groups()
(None,)
>>> re.search('\w+(?: other (\\w+))', 'A and other things').groups()
('things',)

Answer 1

如果您使用：

re.search(r'\w+(?: other (\w+))?', 'A and other things').group()

你会看到发生了什么。 由于后什么\\w+是可选的search第一个词匹配A 。

根据官方文件 ：

.groups()

返回包含匹配的所有子组的元组，从1到多个组都在模式中。

并且您的search调用不会返回任何子组，因此您得到：

re.search(r'\w+(?: other (\w+))?', 'A and other things').groups()
(None,)

要解决您的问题，您可以使用此基于交替的正则表达式：

r'\w+(?: other (\w+)|$)'

例子：

>>> re.search(r'\w+(?: other (\w+)|$)', 'A and other things').group()
'and'
>>> re.search(r'\w+(?: other (\w+)|$)', 'The apple is big').group()
'big'

Answer 2

正则表达式搜索的规则是它们产生最左边的最长匹配。 是的，如果可能的话，它会尝试给你更长的匹配，但最重要的是，当它找到第一个成功的匹配时，它将停止进一步查看。

在第一个正则表达式中， \\w+匹配的最左边的点是A 可选部分与那里不匹配，所以就完成了。

在第二个正则表达式中，带括号的表达式是必需的，因此A不匹配。 因此，它继续寻找。 该\\w+匹配and ，然后第二\\\\w+匹配things 。

---

请注意，对于Python中的正则表达式，尤其是那些包含反斜杠的表达式，使用r'raw strings'编写它们是个好主意。