Python 正则表达式匹配太多答案

【问题标题】：Python Regex Matching Too MuchPython 正则表达式匹配太多
【发布时间】：2020-06-28 03:03:26
【问题描述】：

Regex101 测试者：https://regex101.com/r/Yfp311/2

我很难让以下正则表达式模式正常工作。对于下面的示例文本字符串，REF1 匹配整行，如果在行中找到“//[text]”，则忽略应该匹配的可选REF2 组。

目前，正则表达式不承认 //[text] 并且错误地将整个文本匹配为 REF1。我假设这是贪婪匹配的一个特征..但是我没有成功实现非贪婪模式，并且前瞻/后视（似乎没有工作）。

任何帮助或指导将不胜感激...不确定我缺少什么，因为我认为我当前的正则表达式模式应该可以正常工作。如果我能澄清任何事情，请告诉我！谢谢！

^(?P<ID>[A-Z][A-Z0-9]{3})?(?P<REF1>.+)(//(?P<REF2>.+))?(\n?(?P<EXTRA>.+))?$

TEX1CNS0P5-AA//CAT-523-VID-00EOS-0
XUX PETER LAB RANDOM TEXT DM5.

TEX2BFTBSH9999SBRT2L
RATRACE201

TEX3GWS0P2-AA//D-14839048-99-3
THERE WAS 200 COALS IN HIS STOCKING.

预期匹配：

字符串 1：
- id: TEX1
- ref1: CNS0P5-AA
- ref2: CAT-523-VID-00EOS-0
- 额外：XUX PETER LAB 随机文本 DM5。
字符串 2：
- id: TEX2
- ref1: BFTBSH9999SBRT2L
- ref2：（不匹配，因为“//”未出现在此文本中）
- 额外：RATRACE201
字符串 3：
- id: TEX3
- ref1: GWS0P2-AA
- ref2: D-14839048-99-3
- 额外：他的库存中有 200 块煤炭。

【问题讨论】：

如果您的问题以您正在尝试做的事情的陈述开始，而不参考代码，然后为每个显示提供一个或多个示例（如果需要）进行说明，那么对于读者来说会容易得多想要的结果。然后才引入需要修复的代码。
@CarySwoveland 谢谢，以后我会尽量简洁的。

标签： python regex string regex-lookarounds regex-greedy

【解决方案1】：

^(?P<ID>[A-Z][A-Z0-9]{3})?(?P<REF1>[^/\n]+)(//(?P<REF2>.+))?(\n?(?P<EXTRA>.+))?$

我已经更新了。我想它现在通过了所需的案例：

https://regex101.com/r/Yfp311/3

原始实现的问题是REF1 匹配除行终止符之外的所有内容。所以它也匹配//。

【讨论】：

啊！非常感谢！因此，通过包含 (?P[^/\n]+)，它看起来与这些字符不匹配，并且有效地正确匹配！！！谢谢！

【解决方案2】：

怎么样

^(?P<ID>[A-Z][A-Z0-9]{3})?(?P<REF1>[^/\n]+)(//(?P<REF2>.+))?(\n?(?P<EXTRA>.+))?$

我认为在这种情况下，手写解析器更容易实现。

【讨论】：

能否请您解释一下为什么要推荐手写解析器？有什么好处让我可以理解？ PS新的正则表达式效果很好！您能否解释一下我的问题/遗漏了什么？

【解决方案3】：

我最终发现了一个更理想的答案，因为当 REF1 文本包含单个“/”正斜杠时，提供的正则表达式模式会失败。

^(?P<ID>[A-Z][A-Z0-9]{3})?(?P<REF1>(?:(?!//).)+)(//(?P<REF2>.+))?(\n?(?P<EXTRA>.+))?$

例如 - https://regex101.com/r/Yfp311/4

TEX4POF OF 20/03/09//CAT342134832489
P/O:1600 PARK AVENUE

使用负前瞻正则表达式模式有助于解决这一差距。

【讨论】：