正则表达式通过分隔符捕获可选组答案

【问题标题】：Regex capture optional groups by delimiters正则表达式通过分隔符捕获可选组
【发布时间】：2021-06-15 08:28:44
【问题描述】：

我需要通过引用文本和 @ 作者和 # 类别分隔符来解析字符串引用。作者和类别按顺序排列，但是是可选的。像这样：

"When in doubt - don’t. @Ben Franklin #decisions"

{'text': 'When in doubt - don’t.', 'author': 'Ben Franklin', 'category': 'decisions'}

"When in doubt - don’t. #decisions"

{'text': 'When in doubt - don’t.', 'category': 'decisions'}

"When in doubt - don’t. @Ben Franklin"

{'text': 'When in doubt - don’t.', 'author': 'Ben Franklin'}

如果分隔符和空格粘在捕获的组上也没关系，我可以稍后将它们剥离。我当前的正则表达式：

^(.*?)(@.*)(#.*)$

仅当@author 和#category 都出现在输入字符串中时才起作用。试图让后面的组成为可选的让我搞砸了：

^(.*?)(@.*)?(#.*)?$

如何正确捕捉它们？

【问题讨论】：

^([^@#]*)(@[^#]*)?(#.*)?$ 怎么样？见regex101.com/r/553G4y/1
行得通，谢谢。

标签： python regex python-re

【解决方案1】：

假设@和#只出现在作者或类别前面的字符串末尾，可以使用

^([^@#]*)(@[^#]*)?(#.*)?$

查看regex demo，模式匹配

^ - 字符串开头
([^@#]*) - 第 1 组：除 # 和 @ 之外的任何零个或多个字符
(@[^#]*)? - 第 2 组（可选）：@，然后是除 # 之外的零个或多个字符
(#.*)? - 第 3 组（可选）：#，然后是除 # 之外的零个或多个字符
$ - 字符串结束。

【讨论】：

【解决方案2】：

在这种情况下我会使用 named 组，如下所示

import re
text1 = "When in doubt - don’t. @Ben Franklin #decisions"
text2 = "When in doubt - don’t. #decisions"
text3 = "When in doubt - don’t. @Ben Franklin"
pattern = "^(?P<text>.*?)(?P<author>@.*?)?(?P<category>#.*)?$"
m1 = re.match(pattern, text1)
m2 = re.match(pattern, text2)
m3 = re.match(pattern, text3)
for m in [m1,m2,m3]:
    print(m.group('text'), m.group('author'), m.group('category'), sep='---')

输出

When in doubt - dont. ---@Ben Franklin ---#decisions
When in doubt - dont. ---None---#decisions
When in doubt - dont. ---@Ben Franklin---None

请注意，None 表示 python 的 None 不是文字字符串 "None"，我使用 --- 来分隔组，因为 3 x 破折号永远不会出现在您的示例数据中。

【讨论】：