高级字符串的正则表达式

Question

使用 Python 3.4 我想匹配可以具有以下格式的字符串：

s1 = "Germany  ; Federal Republic of Germany\tRépublique fédérale d'Allemagne\n"
s2 = "English  ; English language\tanglais\n"
s3 = "February\tfévrier\n"

注意两种语言之间是如何存在制表符的，如果一种语言中有多个单词，则它们除以" ; "（两个空格，分号，一个空格）。

我的目标是读取每种语言的第一个变量。所以我想匹配

• s1 到 ("Germany", "République fédérale d'Allemagne")
• s2 到 ("English", "anglais")
• s3 到 ("February", "février")

如果\t的每一侧只有一对词汇或多个表达式。

问题是我找不到正确的模式。我尝试了多个表达式（使用search()，然后在返回的匹配对象上调用groups()）似乎无法解决问题。

s1 示例：

• r"([\w ]*)\t([\w ]*)" 找到 (' Federal Republic of Germany', 'République fédérale d')
• r"(.*),?\t(.*),?" 找到 ('Germany ; Federal Republic of Germany', "République fédérale d'Allemagne")

这两个例子都没有达到我想要的效果。我不知道下一步该尝试什么。我确信有一种方法可以匹配 " ; " 之后的任何字符，直到 \t 但我现在不知道。

我们将不胜感激。

Answer 1

简单！

^(\S+)[^\t]*\t\s*(.+)\s*$

解释：

• ^(\S+)：获取字符串开头的所有非空白字符。
• [^\t]*\t：忽略第一个制表符之前的所有内容 (\t)。
• \s*(.+)\s*$: 获取字符串末尾的剩余部分，并带有修剪的左右空格。

Answer 2

你可以这样做：

res = s.strip().split('\t')
res[0] = res[0].split(';')[0].strip()

使用正则表达式：

import re

pat = re.compile(r'^\s*([^\s\t;]+(?:[^\S\t]+[^\s;]+)*)[^\S\t]*(?:;[^\t]*)?\t\s*(.*\S)')

m = pat.match(s)

[m.group(1), m.group(2)]

Answer 3

您要记住的重要一点是中间部分 - 由“;”分隔的可选第二位- 是可选的。正则表达式支持使用 ? 运算符的可选部分。

你想捕捉第一个词，忽略中间部分，捕捉最后部分：

(capture) optional? (capture)

因为中间部分可能很复杂，所以您需要使用括号。但是您可以使用非捕获括号 - (?: non-captured pattern )。

(capture) (?: optional )? (capture)

其余的你大概能猜出来：

#! python3
strings = [
    "Germany  ; Federal Republic of Germany\tRépublique fédérale d'Allemagne\n",
    "English  ; English language\tanglais\n",
    "February\tfévrier\n",
]

import re

for s in strings:
    m = re.match(r"^(\S+)(?:  ; [^\t]+)?\t([^\n]+)\n", s)
    print((m.group(1), m.group(2)))

Answer 4

使用这个正则表达式：

(\w*).*\t(.*)

第一个捕获组将包含语言的单字名称，第二个捕获组将包含消息。

Regex101 Tested

Answer 5

试试这个正则表达式：([^;\t]+)[;]*[^\t]*([^\n]*)

结果将包含空白填充，您可能希望将其删除。

说明

• ([^;\t]+) 捕获不是\t 或; 的字符
• [;]* 0 个或多个 ;
• [^\t]* 0 个或多个而不是 \t 个字符
• ([^\n]*) 捕获 0 个或多个而不是 \n 字符