可选组内的正则表达式提取组

Question

我有“identfier STEP=10”形式的字符串，其中“STEP=10”部分是可选的。目标是检测有或没有 STEP 部分的两条线，并在它是线的一部分的情况下提取 STEP 的数值。现在匹配这两种情况很容易，

import re
pattern = ".*(STEP=[0-9]+)?"
re.match(pattern, "identifier STEP=10")
re.match(pattern, "identifier")

这可以毫无问题地检测这两种情况。但是我没能一口气提取出数值。我尝试了以下，

import re
pattern = ".*(STEP=([0-9]+))?"
group0 = re.search(pattern, "identifier STEP=10").groups()
group1 = re.search(pattern, "identifier").groups()

虽然它仍然检测到线条，但我只得到

group0 = (None, None)
group1 = (None, None)

虽然我希望得到类似的东西

group0 = (None, "10")
group1 = (None, None)

正则表达式不适合一次性执行此操作还是我只是使用错误？我很好奇是否有一个正则表达式调用在匹配该行后返回我想要的内容而无需进行第二次传递。

Answer 1

可能的解决方案如下所示

import re
pattern = "^.*?(?:STEP=([0-9]+))?$"
group0 = re.search(pattern, "identifier STEP=10").groups()
group1 = re.search(pattern, "identifier").groups()
print(*group0)
print(*group1)

请参阅Python demo。

^.*?(?:STEP=([0-9]+))?$ 正则表达式匹配

• ^ - 字符串开头
• .*? - 除换行符之外的零个或多个字符尽可能少（即正则表达式引擎首先跳过此模式并尝试后续模式，并且仅在后续模式无法匹配时才返回使用此模式）
• (?:STEP=([0-9]+))? - 一个可选的非捕获组：STEP= 然后第 1 组捕获一个或多个 ASCII 数字
• $ - 字符串结束。

.*(STEP=[0-9]+)? 正则表达式匹配如下：

• .* - 从头到尾抓取整条线
• (STEP=[0-9]+)? - 该组用* 量化（表示量化模式的零次或多次次出现），因此正则表达式引擎，其索引现在位于行尾，找到一个match：字符串末尾的空字符串，返回匹配，第1组文本值为空。

为了能够解决此类问题，您必须了解正则表达式中的回溯（例如，请参阅this YT video of mine 了解更多信息）。