Python正则表达式返回匹配的最后一个字符的额外捕获组

Question

我正在尝试创建一个正则表达式，它将接受字符串并将它们分成三组：（1）字符串开头的任何一个特定的单词列表。 （2）字符串末尾的特定单词列表中的任何一个。 （3）这两个匹配之间的所有字母/空格。

作为一个例子，我将使用以下两个字符串：

'There was a cat in the house yesterday'
'Did you see a cat in the house today'

我希望将字符串分解为捕获组，以便匹配对象m.groups()将分别为每个字符串返回以下内容：

('There', ' was a cat in the house ', 'yesterday')
('Did', ' you see a cat in the house ', 'today')

最初，我想出了以下正则表达式：

r = re.compile('^(There|Did) ( |[A-Za-z])+ (today|yesterday)$')

但是这会返回：

('There', 'e', 'yesterday')
('Did', 'e', 'today')

所以它只给了我中间组中匹配的最后一个字符。 我了解到这不起作用，因为捕获组只会返回匹配的最后一次迭代。 所以我将括号放在中间捕获组周围，如下所示：

r = re.compile('^(There|Did) (( |[A-Za-z])+) (today|yesterday)$')

但是现在，尽管它至少捕获了中间组，但它还在m.groups()返回了一个额外的“e”字符，即：

('There', 'was a cat in the house', 'e', 'yesterday')

...虽然我觉得这与回溯有关，但我无法弄清楚它为什么会发生。 有人可以向我解释为什么我得到这个结果，以及我如何能得到预期的结果？

Answer 1

您可以通过将中间捕获组替换为中间捕获组来简化当前正则表达式并获得正确的行为. （点）运算符将匹配任何字符，然后* （星号）运算符重复匹配任何字符：

import re

s1 = 'There was a cat in the house yesterday'
s2 = 'Did you see a cat in the house today'

x = re.compile("(There|Did)(.*)(today|yesterday)")
g1 = x.search(s1).groups()
g2 = x.search(s2).groups()

print(g1)
print(g2)

生成此输出：

（'那里'，'房子里有一只猫'，'昨天'）
（'做'，'你看到房子里有一只猫'，'今天'）

Answer 2

重复捕获组仅捕获最后一次迭代。 如果您对数据不感兴趣，请在重复组周围放置捕获组以捕获所有迭代或使用非捕获组。

来源https://regex101.com/

这是重新按预期工作：

^(There|Did) ([ A-Za-z]+) (today|yesterday)$

Answer 3

 r = re.compile('^(There|Did) (( |[A-Za-z])+) (today|yesterday)$')
                               ^ ^        ^

你有一些不必要的东西。 拿出那些并在你的中间组中包含空格：

r = re.compile('^(There|Did) ([A-Za-z ]+) (today|yesterday)$')
                                     ^ space

例：

>>> r = re.compile('^(There|Did) ([A-Za-z ]+) (today|yesterday)$')
>>> r.search('There was a a cat in the hosue yesterday').groups()
('There', 'was a a cat in the hosue', 'yesterday')

此外，如果您希望空格成为中间（第二）组的一部分，请取出捕获组之间的空格