锚定到最后一场比赛的结束

Question

在处理 this answer 的过程中，我偶然发现了 Python 的重复正则表达式异常。

假设我得到了一个 CSV 字符串，其中包含任意数量的带引号和不带引号的元素：

21, 2, '23.5R25 ETADT', '描述，带逗号'

我想用'\t' 替换所有','s 外部引号。所以我想要一个输出：

21\t2\t'23.5R25 ETADT'\t'描述，带逗号'

由于字符串中自然会有多个匹配项，因此我将使用g 正则表达式修饰符。我将使用的正则表达式将匹配引号之外的字符或带引号的字符串，后跟 ',':

('[^']*'|[^',]*),\s*

我将替换为：

\1\t

现在的问题是正则表达式是 searching 而不是 matching 所以它可以选择跳过字符直到它可以匹配。所以我得到的不是我想要的输出：

21\t2\t'23.5R25 ETADT'\t'描述\t带逗号'

您可以在此处查看此行为的实时示例：https://regex101.com/r/sG9hT3/2

问。有没有办法锚定 g 修改后的正则表达式以在上一次匹配后的字符处开始匹配？

---

对于那些熟悉 Perl 强大的正则表达式的人，Perl 提供了\G。这允许我们检索匹配的最后一个位置的结尾。因此，在 Perl 中，我可以使用正则表达式完成我所要求的：

\G('[^']*'|[^',]*),\s*

这将强制在最终引用的元素中出现不匹配。因为与其允许正则表达式实现找到正则表达式匹配的点，\G 会强制它在 first 字符处开始匹配：

'描述，用逗号'

Answer 1

您可以将以下正则表达式与re.search 一起使用：

,?\s*([^',]*(?:'[^']*'[^',]*)*)

见regex demo（我把它改成,?[ ]*([^',\n]*(?:'[^'\n]*'[^',\n]*)*)，因为它是一个多行演示）

这里，正则表达式匹配（在单词的正则表达式含义中）...

• ,? - 1 或 0 逗号
• \s* - 0 个或多个空格
• ([^',]*(?:'[^']*'[^',]*)*) - 第 1 组存储捕获的文本，其中包括...
  • [^',]* - 除, 和' 之外的0 个或多个字符
  • (?:'[^']*'[^',]*)* - 0 个或多个 ...
    • '[^']*' - 类似 'string' 的子字符串，不包含撇号
    • [^',]* - 除, 和' 之外的0 个或多个字符。

如果您想使用 re.match 并将捕获的文本存储在捕获组中，这是不可能的，因为 Python 正则表达式引擎不会像 .NET 正则表达式引擎使用 CaptureCollection 那样将所有捕获存储在堆栈中。

另外，Python 正则表达式不支持\G 运算符，因此您不能在此处在成功匹配的末尾锚定任何子模式。

作为替代/解决方法，您可以使用以下 Python 代码返回连续匹配项，然后返回字符串的其余部分：

import re

def successive_matches(pattern,text,pos=0):
  ptrn = re.compile(pattern)
  match = ptrn.match(text,pos)
  while match:
    yield match.group()
    if match.end() == pos:
      break
    pos = match.end()
    match = ptrn.match(text,pos)
  if pos < len(text) - 1:
    yield text[pos:]

for matched_text in successive_matches(r"('[^']*'|[^',]*),\s*","21, 2, '23.5R25 ETADT', 'description, with a comma'"):
    print matched_text

见IDEONE demo，输出为

21, 
2, 
'23.5R25 ETADT', 
'description, with a comma'