[英]Capturing repeating subpatterns in Python regex
在匹配 email 地址时,在匹配yasar@webmail
类的内容后,我想捕获一个或多个(\.\w+)
(我所做的有点复杂,这只是一个例子),我试过了添加 (.\w+)+,但它只捕获最后一个匹配项。 例如, yasar@webmail.something.edu.tr
@webmail.something.edu.tr 匹配但仅在yasar@webmail
部分之后包含.tr
,因此我丢失了.something
和.edu
组。 我可以在 Python 正则表达式中执行此操作,还是您建议首先匹配所有内容,然后再拆分子模式?
re
模块不支持重复捕获( regex
支持):
>>> m = regex.match(r'([.\w]+)@((\w+)(\.\w+)+)', 'yasar@webmail.something.edu.tr')
>>> m.groups()
('yasar', 'webmail.something.edu.tr', 'webmail', '.tr')
>>> m.captures(4)
['.something', '.edu', '.tr']
在您的情况下,我稍后会拆分重复的子模式。 它会生成一个简单易读的代码,例如,请参阅@Li-aung Yip 的回答中的代码。
这将起作用:
>>> regexp = r"[\w\.]+@(\w+)(\.\w+)?(\.\w+)?(\.\w+)?(\.\w+)?(\.\w+)?"
>>> email_address = "william.adama@galactica.caprica.fleet.mil"
>>> m = re.match(regexp, email_address)
>>> m.groups()
('galactica', '.caprica', '.fleet', '.mil', None, None)
但它仅限于最多六个子组。 一个更好的方法是:
>>> m = re.match(r"[\w\.]+@(.+)", email_address)
>>> m.groups()
('galactica.caprica.fleet.mil',)
>>> m.group(1).split('.')
['galactica', 'caprica', 'fleet', 'mil']
请注意,只要电子邮件地址很简单,regexp 就可以了 - 但是这会破坏各种事情。 有关电子邮件地址正则表达式的详细处理,请参阅此问题。
您可以通过执行以下操作来解决(\\.\\w+)+
仅捕获最后一个匹配项的问题: ((?:\\.\\w+)+)
这就是你要找的:
>>> import re
>>> s="yasar@webmail.something.edu.tr"
>>> r=re.compile("\.\w+")
>>> m=r.findall(s)
>>> m
['.something', '.edu', '.tr']
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.