匹配字符串中的所有标识符

Question

问题：

我正在寻找一种方法来匹配给定行中的某些标识符 以某些词开头。 ID 包括 字符，可能后跟数字，然后是破折号，然后是一些 更多的数字。一个 ID 应该只匹配 起始词是以下之一：关闭、修复、解决。如果一个 行包含多个 ID，它们将由 字符串and。任意数量的 ID 可以出现在一个 行。

示例测试字符串：

Closes PD-1                                           # Match: PD-1

Related to PD-2                                       # No match, line doesn't start with an allowed word

Closes                                                
NPD-1                                                 # No match, as the identifier is in a new line

Fixes PD-21 and PD-22                                 # Match: PD-21, PD-22

Closes PD-31, also PD-32 and PD-33                    # Match: PD-31 - the rest is not captured because of ", also"
Resolves PD4-41 and PD4-42 and PD4-43 and PD4-44      # Match: PD4-41, PD4-42, PD4-43, PD4-44

Resolves something related to N-2                     # No match, the identifier is not directly after 'Resolves'

我尝试了什么：

使用正则表达式来获取所有匹配项，我总是在某些方面做得不够。例如。我试过的正则表达式之一是这样的：

^(?:Closes|Fixes|Resolves) (\w+-\d+)(?:(?: and )(\w+-\d+))*

1. 我打算在线路需要的地方设置一个非捕获组 以允许的单词之一开头，后跟一个空格： ^(?:Closes|Fixes|Resolves)
2. 那么至少需要一个ID跟在起始词后面， 我打算捕获：(\w+-\d+)
3. 最后，零个或多个 ID 可以跟随第一个，它们是 由字符串and 分隔，但我只想捕获 这里是 ID，而不是分隔符：(?:(?: and )(\w+-\d+))*

这个正则表达式在 python 中的结果：

test_string = """
Closes PD-1                                           # Match: PD-1
Related to PD-2                                       # No match, line doesn't start with an allowed word
Closes                                                
NPD-1                                                 # No match, as the identifier is in a new line
Fixes PD-21 and PD-22                                 # Match: PD-21, PD-22
Closes PD-31, also PD-32 and PD-33                    # Match: PD-31 - the rest is not captured because of ", also"
Resolves PD4-41 and PD4-42 and PD4-43 and PD4-44      # Match: PD4-41, PD4-42, PD4-43, PD4-44
Resolves something related to N-2                     # No match, the identifier is not directly after 'Resolves'
"""

ids = []

for match in re.findall("^(?:Closes|Fixes|Resolves) (\w+-\d+)(?:(?: and )(\w+-\d+))*", test_string, re.M):
    for group in match:
        if group:
            ids.append(group)

print(ids)
['PD-1', 'PD-21', 'PD-22', 'PD-31', 'PD4-41', 'PD4-44']

Also, here is the result on regex101.com。如果在第一个 ID 之后有多个 ID，不幸的是它只会捕获最后一个匹配项，而不是所有匹配项。我读到重复捕获组只会捕获最后一次迭代，我应该在重复组周围放置一个捕获组以捕获所有迭代，但我无法让它工作。

总结：

有没有正则表达式的解决方案，类似于我尝试的方法，但它捕获了所有出现的 ID？或者有没有更好的方法来解析这个字符串的 ID，使用 Python？

Answer 1

您可以使用单个捕获组，并在该捕获组中匹配第一次出现并重复相同的模式 0 次以上，前面是空格，然后是 and 和空格。

这些值在第 1 组中。

要获取单独的值，请拆分 and

^(?:Closes|Fixes|Resolves) (\w+-\d+(?: and \w+-\d+)*)

Regex demo

Answer 2

两阶段方法可能更容易，例如：

def get_matches(test):  #assume test is a list of strings
    regex1 = re.compile(r'^(?:Closes|Fixes|Resolves) \w+-\d+')
    regex2 = re.compile(r'\w+-\d+')
    results = []
    for line in test:
        if regex1.search(line):
            results.extend(regex2.findall(line))
    return results

给予：

['PD-1','PD-21','PD-22','PD-31','PD-32', 
'PD-33','PD4-41','PD4-42','PD4-43','PD4-44']

Answer 3

如果您需要使用重复捕获组，您应该安装 PyPi regex 模块和 pip install regex 并使用

import regex

test_string = "your string here"
ids = []
for match in regex.finditer("^(?:Closes|Fixes|Resolves) (?P<id>\w+-\d+)(?:(?: and )(?P<id>\w+-\d+))*", test_string, regex.M):
    ids.extend(match.captures("id"))
print(ids)
# => ['PD-1', 'PD-21', 'PD-22', 'PD-31', 'PD4-41', 'PD4-42', 'PD4-43', 'PD4-44']

见Python demo

每个组的捕获堆栈可通过match.captures(X) 访问。

您拥有的正则表达式可以按原样使用，但这里有一个命名的捕获组对用户更友好。