如何在 Python 中获取匹配正则表达式的组名？答案

【问题标题】：How to get group name of match regular expression in Python?如何在 Python 中获取匹配正则表达式的组名？
【发布时间】：2015-05-05 13:07:02
【问题描述】：

无论我不知道如何从匹配中找出组名，问题都是非常基本的。让我用代码解释一下：

import re    
a = list(re.finditer('(?P<name>[^\W\d_]+)|(?P<number>\d+)', 'Ala ma kota'))

如何获得a[0].group(0) 匹配的组名 - 假设命名模式的数量可以更大？

简化示例以学习基础知识。

我可以反转匹配 a[0].groupdict() 但它会很慢。

【问题讨论】：

标签： python regex python-2.7

【解决方案1】：

你可以从编译后的表达式中得到这些信息：

>>> pattern = re.compile(r'(?P<name>\w+)|(?P<number>\d+)')
>>> pattern.groupindex
{'name': 1, 'number': 2}

这使用RegexObject.groupindex attribute:

将(?P<id>) 定义的任何符号组名称映射到组编号的字典。如果模式中没有使用符号组，则字典为空。

如果您只能访问匹配对象，则可以使用MatchObject.re attribute 访问模式：

>>> a = list(re.finditer(r'(?P<name>\w+)|(?P<number>\d+)', 'Ala ma kota'))
>>> a[0]
<_sre.SRE_Match object at 0x100264ad0>
>>> a[0].re.groupindex
{'name': 1, 'number': 2}

如果您只想知道匹配的组，请查看该值； None 表示比赛中从未使用过的组：

>>> a[0].groupdict()
{'name': 'Ala', 'number': None}

number 组从未用于匹配任何内容，因为它的值是 None。

然后您可以通过以下方式找到正则表达式中使用的名称：

names_used = [name for name, value in matchobj.groupdict().iteritems() if value is not None]

或者如果只有一个组可以匹配，你可以使用MatchObject.lastgroup:

name_used = matchobj.lastgroup

顺便说一句，你的正则表达式有一个致命的缺陷； \d 匹配的所有内容也与\w 匹配。你永远不会看到 number 在 name 可以首先匹配的地方使用。反转模式以避免这种情况：

>>> for match in re.finditer(r'(?P<name>\w+)|(?P<number>\d+)', 'word 42'):
...     print match.lastgroup
... 
name
name
>>> for match in re.finditer(r'(?P<number>\d+)|(?P<name>\w+)', 'word 42'):
...     print match.lastgroup
... 
name
number

但要考虑到以数字开头的单词仍然会使您的简单情况感到困惑：

>>> for match in re.finditer(r'(?P<number>\d+)|(?P<name>\w+)', 'word42 42word'):
...     print match.lastgroup, repr(match.group(0))
... 
name 'word42'
number '42'
name 'word'

【讨论】：

不确定我是否可以使用 groupindex（它看起来显示了在 re 中定义的组而不是结果中的组）。我想知道我匹配了哪个组 <integer>、<name> 或其他。
@Chameleon：任何设置为 None 的组都不匹配。例如，a[0].group(2) 是 None，a[0].groupdict()['number'] 也是。
@Chameleon: 并考虑到您的模式可以包含的不仅仅是单个 OR (|) 组，match.group(0) 涵盖的文本比单个组更多。
Peters 我知道无论我在示例中犯了什么错误，re 是如何工作的 - re 确实是贪婪的，\w 不是 [^\W\d_]。

【解决方案2】：

首先你的正则表达式在语法上是错误的：你应该把它写成r'(?P<name>\w+)|(?P<number>\d+)'。此外，即使这个 reg expr 也不起作用，因为特殊序列 \w 匹配所有字母数字字符，因此也匹配 \d 匹配的所有字符。您应该将其更改为 r'(?P<number>\d+)|(?P<name>\w+)' 以使 \d 优先于 \w。但是，您可以使用匹配对象的属性lastgroup 来获取匹配组的名称，即： [m.lastgroup for m in re.finditer(r'(?P<number>\d+)|(?P<name>\w+)', 'Ala ma 123 kota')] 生产： ['name', 'name', 'number', 'name']

【讨论】：

【解决方案3】：

name_pattern = "(((\s+)?)((?P<HeadCount>[0-9]{1,2})(?P<LastName>[A-Z]{1,})((([\/]{1,})?)((?P<FirstName>[A-Z]{1,})?)){0,}){1,})"

name_text = "1GILL/HAROONCONSTANTSHER 1HAROON/ANILAMS"
for match in re.finditer(name_pattern,name_text):
    print(match["LastName"])

【讨论】：