Python 正则表达式：XOR 运算符答案

【问题标题】：Python regex: XOR operatorPython 正则表达式：XOR 运算符
【发布时间】：2016-10-20 07:14:31
【问题描述】：

假设我有这样的字符串：

所以，我有一个字符串列表：

list = ["DT NN IN NN", "DT RB JJ NN", "DT JJ JJ NN", "DT RB RB NN NN", "DT RB RB"]

我有以下代码：

pattern = "(?:DT\s+)+([?:RB\s+|?:JJ\s+])+(?:NN\s+)*NN$"
for item in list:
    m = re.match(pattern, item)
    if m:
        print item

我想从pattern 中匹配以DT 开头的字符串（出现一次或多次）有RB 或JJ（出现一次或多次），但不是两者都有，然后以NN 结尾（再次出现一次或多次）。

所以，在最终结果中，我应该在屏幕上打印出 3 和 4。但是，使用我的正则表达式，我还得到了 2，这是我不想要的。我如何更改 pattern 以便它可以工作？如何用 XOR 替换管道 (OR)？

【问题讨论】：

【解决方案1】：

[...] 是一个字符类，您正在匹配一组字符，其中包括?、: 和+ 和| 等。除了- 标记一个系列之外，字符类中没有修饰符或特殊字符。

您需要匹配RB 或JJ 的重复：

pattern = r"(?:DT\s+)+(?:(?:RB\s+)+|(?:JJ\s+)+)NN"

我已经把它简化了；无论如何，您都没有使用任何组。

由于您不依赖于捕获组，因此使用非捕获组也没有任何意义；只需使用 (...) 而不是 (?:...) 以获得更简洁的正则表达式。

您可能需要添加锚点以确保 DT 仅在开头匹配，并将末尾的 NN 替换为 (NN\s+)*NN$ 以将其锚定在末尾，并将空格匹配移动到开头每个重复组：

pattern = r"^DT(\s+DT)*((\s+RB)+|(\s+JJ)+)(\s+NN)+$"

【讨论】：

基于this comment NN 可以重复任意次数。
这对我不起作用，我在“DT JJ JJ NN JJ NN DT NN”之类的模式上得到了匹配，我不需要那个。它必须以 DT 开头，至少有一个（或多个）RB 或 JJ，然后以一个或多个 NN 结尾。
@Belphegor：更新；您能否更新您的问题以包含该示例？
@MartijnPieters 是的，现在可行（有一个例外：DT 可以出现多次，我更新了问题）。无论如何，另一个答案更快，所以我接受了那个。感谢您的帮助 +1！
@Belphegor：对，更新以匹配开头重复的 DT！

【解决方案2】：

如果我正确理解了这个问题，你可以先把它分成两个单独的问题来解决这个问题：

现在您可以简单地在这两者之间放置一个管道（或运算符）：

^((DT(\s+DT)*(\s+RB)+(\s+NN)+)|(DT(\s+DT)*(\s+JJ)+(\s+NN)+))$

然后通过重构将其简化为：

^DT(\s+DT)*((\s+RB)+|(\s+JJ)+)(\s+NN)+$

或者使用Regexper的视觉表示：

【讨论】：

感谢您的评论，这有一个例外：DT 可以出现一次或多次（我刚刚看到我忘记在我原来的问题中提到这一点）。我接受了另一个答案，因为这在那里有效+另一个人更快:) +1 为您提供详细的答案，这绝对有帮助！

【解决方案3】：

问题在于您如何定义RB 和JJ 的存在。您没有提到应该只有其中任何一个出现。这可以通过用|（管道）分隔它们并让它们中的任何一个重复一次或多次（+）来实现。尝试将您的模式更改为：

pattern = "(?:DT\s+)+(?:(RB\s+)+|(JJ\s+)+)(?:NN\s+)*NN$"

另外，(?:<something>) 被称为非捕获组。您用它来表示“我希望匹配<something>，但在我稍后选择组时不包括在内。从外观上看，您没有使用任何组。您只是打印整个item（除非您'为了简洁起见，已经掩盖了代码）。如果您实际上不需要组，这里有一个适合您的简单版本：

pattern = "(DT\s+)+((RB\s+)+|(JJ\s+)+)(NN\s*)*NN$"

我还让结束的空白集出现 0 次或更多次，而不是像原始模式那样出现一次或多次。随意更改它。

【讨论】：