重用正则表达式模式的一部分

Question

考虑这个（非常简化的）示例字符串：

1aw2,5cx7

如您所见，它是由逗号分隔的两个digit/letter/letter/digit 值。

现在，我可以将其与以下内容匹配：

>>> from re import match
>>> match("\d\w\w\d,\d\w\w\d", "1aw2,5cx7")
<_sre.SRE_Match object at 0x01749D40>
>>>

问题是，我必须写两次\d\w\w\d。对于小模式，这还不错，但是对于更复杂的正则表达式，两次编写完全相同的东西会使最终模式变得庞大且难以处理。也显得多余。

我尝试使用命名捕获组：

>>> from re import match
>>> match("(?P<id>\d\w\w\d),(?P=id)", "1aw2,5cx7")
>>>

但它不起作用，因为它正在寻找两次出现的 1aw2，而不是 digit/letter/letter/digit。

有什么方法可以保存部分模式，例如\d\w\w\d，以便以后在相同的模式中使用？换句话说，我可以在一个模式中重用一个子模式吗？

Answer 1

不，当使用标准库re模块时，正则表达式patterns不能被'符号化'。

当然，您总是可以通过重用 Python 变量来做到这一点：

digit_letter_letter_digit = r'\d\w\w\d'

然后使用字符串格式化来构建更大的模式：

match(r"{0},{0}".format(digit_letter_letter_digit), inputtext)

或者，使用 Python 3.6+ f-strings：

dlld = r'\d\w\w\d'
match(fr"{dlld},{dlld}", inputtext)

我经常使用这种技术从可重用的子模式中组合更大、更复杂的模式。

如果你准备安装一个外部库，那么regex project可以用regex subroutine call解决这个问题。语法(?<digit>) 重用了已使用（隐式编号）捕获组的模式：

(\d\w\w\d),(?1)
^........^ ^..^
|           \
|             re-use pattern of capturing group 1  
\
  capturing group 1

您可以对 named 捕获组执行相同操作，其中 (?<groupname>...) 是命名组 groupname，而 (?&groupname)、(?P&groupname) 或 (?P>groupname) 重复使用匹配的模式by groupname（后两种形式是为了与其他引擎兼容的替代方案）。

最后，regex 支持 (?(DEFINE)...) 块来“定义”子例程模式，而无需它们在该阶段实际匹配任何内容。您可以在该构造中放置多个 (..) 和 (?<name>...) 捕获组，以便稍后在实际模式中引用它们：

(?(DEFINE)(?<dlld>\d\w\w\d))(?&dlld),(?&dlld)
          ^...............^ ^......^ ^......^
          |                    \       /          
 creates 'dlld' pattern      uses 'dlld' pattern twice

明确一点：标准库re 模块不支持子程序模式。

Answer 2

注意：这将适用于 PyPi regex module，不适用于 re 模块。

在您的情况下，您可以使用符号 (?group-number)：

(\d\w\w\d),(?1)

相当于：

(\d\w\w\d),(\d\w\w\d)

请注意\w 包括\d。正则表达式将是：

(\d[a-zA-Z]{2}\d),(?1)

Answer 3

我也遇到了同样的问题，写了this snippet

import nre
my_regex=nre.from_string('''
a=\d\w\w\d
b={{a}},{{a}}
c=?P<id>{{a}}),(?P=id)
''')
my_regex["b"].match("1aw2,5cx7")

由于缺少更具描述性的名称，我将部分正则表达式命名为 a、b 和 c。

访问它们就像{{a}} 一样简单

Answer 4

import re
digit_letter_letter_digit = re.compile("\d\w\w\d") # we compile pattern so that we can reuse it later
all_finds = re.findall(digit_letter_letter_digit, "1aw2,5cx7") # finditer instead of findall
for value in all_finds:
    print(re.match(digit_letter_letter_digit, value))

Answer 5

既然您已经在使用 re，为什么不使用字符串处理来管理模式重复：

pattern = "P,P".replace("P",r"\d\w\w\d")

re.match(pattern, "1aw2,5cx7")

或

P = r"\d\w\w\d"

re.match(f"{P},{P}", "1aw2,5cx7")

Answer 6

尝试使用反向引用，我相信它的工作原理类似于下面的匹配

1aw2,5cx7

你可以使用

(\d\w\w\d),\1

参考这里http://www.regular-expressions.info/backref.html