Python RE，可选匹配组的问题

Question

如果之前有人问过这个问题，我深表歉意。 我正在解析加利福尼亚州刑法中的一些法律编号，以便它们可以通过现有数据库运行以返回法律的明文标题。 例如：

PC 182(A)(1)； PC 25400(A)(1)； PC 25850(C)(6)； 个人计算机 32310； VC 12500(A); VC 22517； VC 23103(A)

每个都会在';'处分开并解析为：

{'lawType': 'PC', 'lawNumber': '182', 'subsection': 'A', 'subsubsection': '1'} 返回：串谋犯罪

这是我的 RE 搜索：

(?P<lawType>[A-Z]{2})[ ](?P<lawNumber>[0-9.]*[A-Z]?)\((?P<subsection>[A-Z])\)?\((?P<subsubsection>[0-9])\)?

每部法律都应该至少有类型和编号（即 PC 182），但有时它们也有小节和小节（即（A）（1））。 这两个子组需要是可选的，但上面的搜索没有使用“？”来挑选它们。 这段代码有效，但我想通过一次搜索使其更紧凑：

lineValue = 'PC 182(A)(1); PC 25400(A)(1); PC 25850(C)(6); PC 32310; VC 12500(A); VC 22517; VC 23103(A)'
#lineValue = 'PC 148(A)(1); PC 369I; PC 587C; MC 8.80.060(F)'
chargeList = map(lambda x: x.strip(), lineValue.split(';'))
for thisCharge in chargeList:
    m = re.match(r'(?P<lawType>[A-Z]{2})[ ](?P<lawNumber>[0-9.]*[A-Z]?)\((?P<subsection>[A-Z])\)\((?P<subsubsection>[0-9])\)', thisCharge)
    if m:
        detail = m.groupdict()
        print(detail)

    else:
        m = re.match(r'(?P<lawType>[A-Z]{2})[ ](?P<lawNumber>[0-9.]*[A-Z]?)\((?P<subsection>[A-Z])\)', thisCharge)
        if m:
            detail = m.groupdict()
            print(detail)

        else:
            m = re.match(r'(?P<lawType>[A-Z]{2})[ ](?P<lawNumber>[0-9.]*[A-Z]?)', thisCharge)
            if m:
                detail = m.groupdict()
                print(detail)

            else:
                print('NO MATCH: ' + str(thisCharge))

我有三个不同的搜索，如果'？ 可选组标记按预期工作。 谁能提供一个想法？

Answer 1

问题在于您如何应用? 使每个小节可选。 一个? 仅适用于它之前的术语。 在您的情况下，这只是每个小节的右括号因此，您需要无条件地为每个小节术语添加左括号和数字或字母。 要解决此问题，只需将完整的小节术语括在一组额外的括号中，然后应用? 给那些群体。 这段代码：

import re

data = "PC 182(A)(1); PC 25400(A)(1); PC 25850(C)(6); PC 32310; VC 12500(A); VC 22517; VC 23103(A)"

exp = re.compile(r"(?P<lawType>[A-Z]{2})[ ](?P<lawNumber>[0-9.]*[A-Z]?)(?:\((?P<subsection>[A-Z])\))?(?:\((?P<subsubsection>[0-9])\))?")

def main():
    r = exp.findall(data)
    print(r)

main()

产生：

[('PC', '182', 'A', '1'), ('PC', '25400', 'A', '1'), ('PC', '25850', 'C', '6'), ('PC', '32310', '', ''), ('VC', '12500', 'A', ''), ('VC', '22517', '', ''), ('VC', '23103', 'A', '')]

下面是一个示例，说明如何使用您的表达式分别挑选每条法律的信息，并使用您的组标签：

def main():
    p = 0
    while True:
        m = exp.search(data[p:])
        if not m:
            break
        print('Type:', m.group('lawType'))
        print('Number:', m.group('lawNumber'))
        if m.group('subsection'):
            print('Subsection:', m.group('subsection'))
        if m.group('subsubsection'):
            print('Subsubsection:', m.group('subsubsection'))
        print()
        p += m.end()

结果

Type: PC
Number: 182
Subsection: A
Subsubsection: 1

Type: PC
Number: 25400
Subsection: A
Subsubsection: 1

Type: PC
Number: 25850
Subsection: C
Subsubsection: 6

Type: PC
Number: 32310

Type: VC
Number: 12500
Subsection: A

Type: VC
Number: 22517

Type: VC
Number: 23103
Subsection: A

注意到您在应用正则表达式之前如何预先拆分数据，我想您可能想看看我将如何仅使用正则表达式匹配来处理每个术语。