Python正則表達式非貪婪表現得像貪婪

Question

我正在處理成績單，並且在以非貪婪的方式匹配模式方面遇到困難。 它仍然抓得太多，看起來像在做貪婪的比賽。

成績單如下：

>> John doe：您好，我是John Doe。

>>你好，我是Jane Doe。

>>感謝您的光臨，我們將在兩分鍾后開始。

>> Sam Smith：[沒有音頻]大家早上好。

為了在>>（WHATEVER NAME）中找到發言者的名字：，我寫道

pattern=re.compile(r'>>(.*?):')
transcript='>> John doe: Hello, I am John Doe. >> Hello, I am Jane Doe. >> Thank you for coming, we will start in two minutes. >> Sam Smith: [no audio] Good morning, everyone.'
re.findall(pattern, transcript)

我期待'John Doe'和'Sam Smith' ，但它給了我'John Doe'和'Hello, I am Jane Doe. >> Thank you for coming, we will start in two minutes. >> Sam Smith' 'Hello, I am Jane Doe. >> Thank you for coming, we will start in two minutes. >> Sam Smith'

我很困惑因為.*? 是非貪婪的，我認為應該能夠抓住'Sam Smith' 。 我應該如何修復代碼，以便它只能抓取>>（WHATEVER NAME）中的任何內容：？ 另外，我使用的是Python 3.6。

謝謝！

Answer 1

你真的需要正則表達式嗎？ 您可以拆分>>提示，然后過濾掉您的名字。

>>> [i.split(':')[0].strip() for i in transcript.split('>>') if ':' in i]
['John doe', 'Sam Smith']

Answer 2

你對非貪婪正則表達式的理解略有不同。 非貪婪意味着它將匹配從開始匹配時可能的最短匹配。 如果在匹配中找到另一個角色，它將不會更改它開始匹配的角色。

例如：

start.*?stop

將匹配所有的startstartstop ，因為一旦它開始於匹配start它會繼續匹配，直到找到停止。 非貪婪只是意味着對於字符串startstartstopstop ，它只會匹配到第一次停止。

對於您的問題，這是一個使用積極前瞻解決的簡單問題。

你可以使用>> ([a-zA-Z ]+)(?=:) ：

>>> transcript='>> John doe: Hello, I am John Doe. >> Hello, I am Jane Doe. >> Thank you for coming, we will start in two minutes. >> Sam Smith: [no audio] Good morning, everyone.'    
>>> re.findall(r'>> ([a-zA-Z ]+)(?=:)', transcript)
['John doe', 'Sam Smith']