在 Python 正则表达式中循环组

Question

编辑：我已经搞定了——我忘记在多个边上放置一个空格作为分隔符。

我有这个 Python 正则表达式，它可以处理我必须解析的大部分字符串。

edge_value_pattern = re.compile(r'(?P<edge>e[0-9]+) +(?P<label1>[^ ]*)[^"]+"(?P<word>[^"]+)"[^:]+:: (?P<label2>[^\n]+)')

这是我的正则表达式要解析的示例字符串：

'e0 BIKE-EVENT 1 "biking" 2'

它正确地将e0 存储到edge 组中，将BIKE-EVENT 存储到label1 组中，并将"biking" 存储到word 组中。最后一组label2 用于字符串的稍微不同的变体，如下所示。请注意，label2 正则表达式组在给定如下字符串时会按预期运行。

'e29 e30 "of" :: of, OF'

然而，正则表达式模式用值e30. 填充label1 事实上，这个字符串没有任何label1 值——它应该是None 或至少是空字符串。一个特别的解决方案是使用正则表达式解析label1 以确定它是实际标签还是只是另一个边缘。我想知道是否有办法修改我的原始正则表达式，以便edge 组包含所有edges。例如，上述字符串的输出将是：

edge = "e29 e30"

label1 = None

word = of

label2 = of, OF

我在下面尝试了这个解决方案，我认为这将转化为简单地循环第一组edge（如果我有一个实际的 FSA，这将是微不足道的），但它不会改变正则表达式的行为。

edge_value_pattern = re.compile(r'(?P<edge>(e[0-9]+)+) +(?P<label1>[^ ]*)[^"]+"(?P<word>[^"]+)"[^:]+:: (?P<label2>[^\n]+)')

Answer 1

如果你想让edge 匹配"e29 e30"，你必须把重复放在组内，而不是放在组外。

您通过在 edge 组中插入一个新组和 + 重复来做到这一点 - 这很好，尽管您可能希望在那里有一个非捕获组 - 但您忘记在重复组内包含空格.

（您还离开了外部重复，并使用了一个捕获组，您可能想要一个非捕获，但这些不太严重。）

只看那个片段：

(?P<edge>(e[0-9]+)+)

Debuggex Demo

在这里，表达式将e29 作为一个匹配项，然后将e30 作为一个后续匹配项。因此，如果您在表达式中添加任何其他内容，它要么会错过e29，要么会失败。但是添加空格：

(?P<edge>(e[0-9]+ )+)

Debuggex Demo

现在它匹配 e29 e30 加上尾随空格作为一个匹配项，这意味着您可以添加任何其他内容并且它会起作用（只要您正确获取了其他内容 - 您仍然需要删除额外的内容+，我认为您可能需要进行其他几次非贪婪的重复......）。