正则表达式获取括号外的所有文本

Question

我正在尝试使用正则表达式获取括号外的任何文本。

示例字符串

乔西·史密斯 [3996 COLLEGE AVENUE, SOMETOWN, MD 21003]Mugsy Dog Smith [2560 橡树街，格伦米德，WI 14098]

我能够成功地将文本 放在方括号中：

addrs = re.findall(r"\[(.*?)\]", example_str)
print addrs
[u'3996 COLLEGE AVENUE, SOMETOWN, MD 21003',u'2560 OAK ST, GLENMEADE, WI 14098']    

但我无法在方括号之外获取任何内容。我尝试过类似以下的方法：

names = re.findall(r"(.*?)\[.*\]+", example_str)

但这只能找到名字：

print names
[u'Josie Smith ']

到目前为止，我只看到一个包含一到两个 name [address] 组合的字符串，但我假设一个字符串中可能有任意数量的组合。

Answer 1

如果没有嵌套括号，你可以这样做：

re.findall(r'(.*?)\[.*?\]', example_str)

---

但是，您甚至不需要在这里使用正则表达式。只用括号分开：

(s.split(']')[-1] for s in example_str.split('['))

---

您的尝试失败的唯一原因：

re.findall(r"(.*?)\[.*\]+", example_str)

... 是您在括号内进行了非贪婪匹配，这意味着它捕获了从第一个左括号到最后一个右括号的所有内容，而不是仅捕获第一对括号。

---

另外，最后的+ 似乎是错误的。如果你有'abc [def][ghi] jkl[mno]'，你想找回['abc ', '', ' jkl']，还是['abc ', ' jkl']？如果是前者，请不要添加+。如果是后者，请执行 - 但是您需要将整个括号模式放在一个非捕获组中：r'(.*?)(?:\[.*?\])+。

---

如果最后一个括号后面可能有其他文本，split 方法可以正常工作，或者您可以使用re.split 而不是re.findall...但是如果您想调整原始正则表达式以使用它，你可以。

在英语中，你想要的是括号括起来的子字符串之前的任何（非贪婪）子字符串或字符串的结尾，对吧？

因此，您需要在 \[.*?\] 和 $ 之间进行交替。当然，您需要将其分组以编写交替，并且您不想捕获该组。所以：

re.findall(r"(.*?)(?:\[.*?\]|$)", example_str)

Answer 2

如果没有嵌套括号：

([^[\]]+)(?:$|\[)

例子：

>>> import re
>>> s = 'Josie Smith [3996 COLLEGE AVENUE, SOMETOWN, MD 21003]Mugsy Dog Smith [2560 OAK ST, GLENMEADE, WI 14098]'
>>> re.findall(r'([^[\]]+)(?:$|\[)', s)
['Josie Smith ', 'Mugsy Dog Smith ']

解释：

([^[\]]+)   # match one or more characters that are not '[' or ']' and place in group 1
(?:$|\[)    # match either a '[' or at the end of the string, do not capture

Answer 3

如果你想使用正则表达式并且仍然处理嵌套括号，你可以使用：

import re
expr = re.compile("(?:^|])([^[\]]+)(?:\[|$)")

print(expr.findall("myexpr[skip this[and this]]another[and skip that too]"))

这将产生['myexpr', 'another']。

这个想法是匹配字符串开头或]与字符串结尾或[之间的任何内容。

Answer 4

你可以这样做：

 outside = re.findall(r"[^[]+(?=\[[^]]*]|$)", example_str)

换句话说：所有不是左方括号后跟方括号内的内容或字符串结尾的内容