正則表達式解析 python 中的對話

Question

我想從 python 中的文件中解析三種類型的行：

"Name" "Something to say !"
"Just a descriptive sentence"
name "Something to say !"

我想得到名字和句子，如果沒有名字，只有句子。 我閱讀了文件的每一行，使用re來查看正則表達式是否匹配。 它工作得很好，除了這個：

"Name" "Something to say !"

它只是返回整個事物而不是兩個部分。

這是我的正則表達式：

r"(\"[a-zA-z?]*\"|[a-zA-z]*)\s\"(.+)\""

Answer 1

您可以使用帶有反向引用"捕獲組來匹配或不匹配隨附的雙引號。

然后你可以使包括空白字符在內的整個第一部分成為可選的，並在雙引號之間匹配第二部分。

請注意， [a-zA-z] 匹配的次數多於[a-zA-Z]和? 在字符 class 內部與問號字面匹配。

比賽分在第 1 組和第 3 組。

(?:(("?)[a-zA-Z]+\2)\s)?("[^"]+")

• (?:非捕獲組
  • (捕獲組 1
    • ("?)在組 2 中捕獲一個可選的"
    • [a-zA-Z]+匹配 a+ 次 a char a-zA-Z a
    • \2對組 2 的反向引用以完全匹配該組中的匹配項
  • )\s關閉第 1 組並匹配一個空白字符
• )? 關閉非捕獲組並使其可選
• ("[^"]+")捕獲組 3 ，匹配從"到"

查看正則表達式演示| Python 演示

使用 re.finditer 循環匹配的示例：

import re

regex = r"(?:((\"?)[a-zA-Z]+\2)\s)?(\"[^\"]+\")"
s = ("\"Name\" \"Something to say !\"\n"
            "\"Just a descriptive sentence\"\n"
            "name \"Something to say !\"\n"
            "\"Name\" \"Something to say !\"")

matches = re.finditer(regex, s)
for matchNum, match in enumerate(matches, start=1):
        print(f"Name: {match.group(1)} Sentence: {match.group(3)}")

Output

Name: "Name" Sentence: "Something to say !"
Name: None Sentence: "Just a descriptive sentence"
Name: name Sentence: "Something to say !"
Name: "Name" Sentence: "Something to say !"

Answer 2

解決方案

在我看來，您最好的選擇是使用命名捕獲組。 就是這樣：

import re

lines = [
    '"Name" "Something to say !"',
    '"Just a descriptive sentence"',
    'name "Something to say !"'
    ]

p = re.compile(r"(\"?(?P<part1>.+?)\"? )?(\"(?P<part2>.+)\")")

for line in lines:
    m = p.search(line)
    print(m["part1"])
    print(m["part2"])

output 將是

Name
Something to say !
None
Just a descriptive sentence
name
Something to say !

解釋

正則表達式(\"?(?P<part1>.+?)\"? )?(\"(?P<part2>.+)\")由兩個主要部分組成。 我將通過第一個 go (\"?(?P<part1>.+?)\"? )? . 第二個非常相似。

• 外部組(...)? 使用“零或更多”量詞? . 因此，在您的第二種情況下，只有“part2”捕獲組將處於活動狀態。
• 在該組中，引號還標有“零或多個”量詞以涵蓋您的第三種情況： \"?
• 部分(?P<part1>.+?)匹配引號之間的文本並指定名稱“part1”以便於訪問。
  • . 匹配所有符號
  • +? 惰性匹配前面的一個或多個（盡可能多的字符，盡可能少）。 這是從匹配中排除第二個引號所必需的。

使用此正則表達式，您可以通過方括號語法訪問命名捕獲組的內容，如上面的代碼所示。

捕捉報價

如果您不僅要捕獲引號中的文本，還要捕獲引號本身，只需將\"移動到命名的捕獲組中，如下所示： ((?P<part1>\"?.+?\")? )?((?P<part2>\".+\"))