Python regex non-greedy 表现得像贪婪答案

【问题标题】：Python regex non-greedy acting like greedyPython regex non-greedy 表现得像贪婪
【发布时间】：2018-10-12 02:23:47
【问题描述】：

我正在处理成绩单，但在以非贪婪方式匹配模式时遇到了麻烦。它仍然抢得太多了，看起来像是在做贪婪的比赛。

成绩单如下所示：

>> John Doe：你好，我是 John Doe。

>> 你好，我是 Jane Doe。

>> 谢谢你的光临，我们将在两分钟后开始。

>> Sam Smith：[无音频] 大家早上好。

为了在 >> (WHATEVER NAME): 中找到演讲者的姓名，我写了

pattern=re.compile(r'>>(.*?):')
transcript='>> John doe: Hello, I am John Doe. >> Hello, I am Jane Doe. >> Thank you for coming, we will start in two minutes. >> Sam Smith: [no audio] Good morning, everyone.'
re.findall(pattern, transcript)

我期待'John Doe' 和'Sam Smith'，但它给了我'John Doe' 和'Hello, I am Jane Doe. >> Thank you for coming, we will start in two minutes. >> Sam Smith'

我很困惑，因为.*? 是非贪婪的，（我认为）应该能够抓住'Sam Smith'。我应该如何修复代码，以便它只抓取任何内容 >>（无论姓名）：？另外，我使用的是 Python 3.6。

谢谢！

【问题讨论】：

您误解了非贪婪的含义。这意味着从某个左锚点开始，它将尽可能少地读取以形成匹配。如果某个左锚点有任何匹配，它会保留它。它确实不意味着它将把左边的锚拉到右边以缩短匹配。
虽然与您想要的并不完全相同，但您可以简单地使用>> ([^>:])*:，除非您的名称中包含>
@BallpointBen 我明白了。谢谢你的澄清。这种情况我该怎么办？

标签： python regex python-3.x regex-greedy non-greedy

【解决方案1】：

您对非贪婪正则表达式的理解略有偏差。非贪婪意味着它将匹配从开始匹配时可能的最短匹配。如果在匹配中找到另一个字符，它不会更改开始匹配的字符。

例如：

start.*?stop

将匹配所有startstartstop，因为一旦它在start 开始匹配，它将继续匹配直到找到停止。非贪婪只是意味着对于字符串startstartstopstop，它只会匹配到第一站。

对于您的问题，这是一个使用正向前瞻解决的简单问题。

您可以使用>> ([a-zA-Z ]+)(?=:):

>>> transcript='>> John doe: Hello, I am John Doe. >> Hello, I am Jane Doe. >> Thank you for coming, we will start in two minutes. >> Sam Smith: [no audio] Good morning, everyone.'    
>>> re.findall(r'>> ([a-zA-Z ]+)(?=:)', transcript)
['John doe', 'Sam Smith']

【讨论】：

【解决方案2】：

你真的需要正则表达式吗？您可以根据>> 提示进行拆分，然后过滤掉您的姓名。

>>> [i.split(':')[0].strip() for i in transcript.split('>>') if ':' in i]
['John doe', 'Sam Smith']

【讨论】：

谢谢，成功了！对于这个特定的任务，我想我不需要正则表达式！ :)
KISS（保持简单，Steffen）