Python正则表达式未按预期返回答案

【问题标题】：Python Regular expression not returning as expectedPython正则表达式未按预期返回
【发布时间】：2016-01-27 04:35:42
【问题描述】：

我无法理解这个正则表达式的输出。我正在使用以下正则表达式在文本中查找日期：

^(?:(1[0-2]|0?[1-9])-(3[01]|[12][0-9]|0?[1-9])|(3[01]|[12][0-9]|0?[1-9])-(1[0-2]|0?[1-9]))-(?:[0-9]{2})?[0-9]{2}$

它似乎正确匹配文本中的模式，但我对返回值感到困惑。

对于这个测试字符串：

TestString = "10-20-2015"

它返回这个：

[('10', '20', '', '')]

如果我把 () 放在整个正则表达式周围，我会得到这个返回：

[('10-20-2015', '10', '20', '', '')]

我希望它只返回完整的日期字符串，但它似乎将结果分解，我不明白为什么。将我的正则表达式包装在 () 中会返回完整的日期字符串，但它也会返回 4 个额外的值。

如何使它只匹配完整的日期字符串而不是字符串的一小部分？

从我的控制台：

Python 3.4.2 (default, Oct  8 2014, 10:45:20) 
[GCC 4.9.1] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import re
>>> pattern = "^(?:(1[0-2]|0?[1-9])-(3[01]|[12][0-9]|0?[1-9])|(3[01]|[12][0-9]|0?[1-9])-(1[0-2]|0?[1-9]))-(?:[0-9]{2})?[0-9]{2}$"
>>> TestString = "10-20-2015"
>>> re.findall(pattern, TestString, re.I)
[('10', '20', '', '')]
>>> pattern = "(^(?:(1[0-2]|0?[1-9])-(3[01]|[12][0-9]|0?[1-9])|(3[01]|[12][0-9]|0?[1-9])-(1[0-2]|0?[1-9]))-(?:[0-9]{2})?[0-9]{2}$)"
>>> re.findall(pattern, TestString, re.I)
[('10-20-2015', '10', '20', '', '')]
>>> 
>>> TestString = "10--2015"
>>> re.findall(pattern, TestString, re.I)
[]
>>> pattern = "^(?:(1[0-2]|0?[1-9])-(3[01]|[12][0-9]|0?[1-9])|(3[01]|[12][0-9]|0?[1-9])-(1[0-2]|0?[1-9]))-(?:[0-9]{2})?[0-9]{2}$"
>>> re.findall(pattern, TestString, re.I)
[]

根据回复，这是我的答案：((?:(?:1[0-2]|0[1-9])-(?:3[01]|[12][0- 9]|0[1-9])|(?:3[01]|[12][0-9]|0[1-9])-(?:1[0-2]|0[1- 9]))-(?:[0-9]{2})?[0-9]{2})

【问题讨论】：

标签： python regex

【解决方案1】：

每个() 都是一个捕获组，(1[0-2]|0?[1-9]) 捕获10，(3[01]|[12][0-9]|0?[1-9]) 捕获20，依此类推。当您将所有内容包围在() 中时，它会排在另一个() 之前并匹配所有内容。您可以忽略一个名为non-captured group 的捕获组，使用(?:) 而不是()。

【讨论】：

谢谢！我知道我错过了一些东西。修改为此，它现在正在工作： ((?:(?:1[0-2]|0[1-9])-(?:3[01]|[12][0-9]|0[1 -9])|(?:3[01]|[12][0-9]|0[1-9])-(?:1[0-2]|0[1-9]))-( ?:[0-9]{2})?[0-9]{2})

【解决方案2】：

我们可以使用最重要的 re 函数之一 - search() 来做到这一点。这个函数扫描一个字符串，寻找这个 RE 匹配的任何位置。

import re

text = "10-20-2015"

date_regex = '(\d{1,2})-(\d{1,2})-(\d{4})'

""" 
\d in above pattern stands for numerical characters [0-9].
The numbers in curly brackets {} indicates the count of numbers permitted.
Parentheses/round brackets are used for capturing groups so that we can treat 
multiple characters as a single unit.

"""

search_date = re.search(date_regex, text)

# for entire match
print(search_date.group())
# also print(search_date.group(0)) can be used
 
# for the first parenthesized subgroup
print(search_date.group(1))
 
# for the second parenthesized subgroup
print(search_date.group(2))
 
# for the third parenthesized subgroup
print(search_date.group(3))
 
# for a tuple of all matched subgroups
print(search_date.group(1, 2, 3))

上述每个打印语句的输出：

10-20-2015
10
20
2015
('10', '20', '2015')

希望这个答案能消除你的疑问:-)

【讨论】：