如何使用 '？'在python 中提取两个匹配模式之间的可选子字符串？

Question

我是answering this question。考虑这个字符串

str1 = '{"show permission allowed to 16": "show permission to 16\\nSchool permissions from group 17:student to group 16:teacher:\\n\\tAllow ALL-00\\nSchool permissions from group 18:library to group 16(Temp):teacher:\\n\\tNo Allow ALL-00\\nSchool permissions from group 20:Gym to group 16:teacher:\\n\\tCheck ALL-00\\nRTYAHY: FALSE\\nRTYAHY: FALSE\\n\\n#"}'

并假设我想提取每个子字符串 from group 之后的数字和 \\t 之后的子字符串具有最小匹配字符串。

我用下面的正则表达式做到了这一点

import re
res = re.findall(r'from group (\d+).*?\\t(.*? ALL-..)', str1)

输出是：

[('17', 'Allow ALL-00'), ('18', 'No Allow ALL-00'), ('20', 'Check ALL-00')]

现在在我提取的每个子字符串之间（数字和\t 之后的子字符串）可能有一个可选的子字符串，其值为Temp 我想提取（如果存在）。例如在18 和No Allow ALL-00 之间有一个子字符串Temp 我想提取。

我尝试如下使用?：

res = re.findall(r'from group (\d+).*?(Temp)?.*?\\t(.*? ALL-..)', str1)

但结果元组的相应第二个元素始终为空：

[('17', '', 'Allow ALL-00'), ('18', '', 'No Allow ALL-00'), ('20', '', 'Check ALL-00')]

当我期待这样的事情时：

[('17', '', 'Allow ALL-00'), ('18', 'Temp', 'No Allow ALL-00'), ('20', '', 'Check ALL-00')]

在这种情况下如何提取子字符串？我做错了什么？

还有一个问题：假设我希望我的结果列表没有这个元素（包含Temp 的那个）：我应该只使用[^]，然后使用相应的匹配模式吗？

Answer 1

它没有捕获Temp 的原因是因为您已将其设为可选，因为.*? 使用它，而Temp 不会在您的可选组中捕获。

要解决这个问题，您可以使用否定前瞻来拒绝 Temp 被捕获，但使用此正则表达式的任何其他字符除外，

from group (\d+)(?:(?!Temp).)*?(Temp)?(?:(?!Temp).)*?\\t(.*? ALL-..)
                   ^^^^^^^^^ This rejects Temp getting captured except any other character

正则表达式解释：

• from group - 此文本的文字匹配
• (?:(?!Temp).)*? - ?: 表示它是一个非捕获组，默认情况下是一个捕获组，这意味着当您看到 Temp 字符串和 * 时捕获任何内容但停止，表示捕获零个或多个字符。所以这会捕获任何不包含Temp 和? 的字符串，意味着尽可能少
• (Temp)? - 可以选择捕获Temp（如果存在）
• (?:(?!Temp).)*? - 再次捕获除Temp 之外的任何字符零次或多次，就像上面一样
• \\t - 从字面上理解这一点
• (.*? ALL-..) - 尽可能少地捕获任何字符，后跟空格，后跟文字 ALL-，后跟任意两个字符

希望这可以澄清正则表达式。如果您有任何进一步的疑问，请告诉我。

Demo

示例 Python 代码，

import re

s = '{"show permission allowed to 16": "show permission to 16\\nSchool permissions from group 17:student to group 16:teacher:\\n\\tAllow ALL-00\\nSchool permissions from group 18:library to group 16(Temp):teacher:\\n\\tNo Allow ALL-00\\nSchool permissions from group 20:Gym to group 16:teacher:\\n\\tCheck ALL-00\\nRTYAHY: FALSE\\nRTYAHY: FALSE\\n\\n#"}'

arr = re.findall(r'from group (\d+)(?:(?!Temp).)*?(Temp)?(?:(?!Temp).)*?\\t(.*? ALL-..)',s)
print(arr)

打印，

[('17', '', 'Allow ALL-00'), ('18', 'Temp', 'No Allow ALL-00'), ('20', '', 'Check ALL-00')]

编辑：仅列出不包含 Temp

的元组

您将需要使用此正则表达式来避免匹配匹配中包含 Temp 字符串的子字符串，

from group (\d+)(?:(?!Temp).)*\\t(.*? ALL-..)

Demo

示例 Python 代码，

import re

str1 = '{"show permission allowed to 16": "show permission to 16\\nSchool permissions from group 17:student to group 16:teacher:\\n\\tAllow ALL-00\\nSchool permissions from group 18:library to group 16(Temp):teacher:\\n\\tNo Allow ALL-00\\nSchool permissions from group 20:Gym to group 16:teacher:\\n\\tCheck ALL-00\\nRTYAHY: FALSE\\nRTYAHY: FALSE\\n\\n#"}'

arr = re.findall(r'from group (\d+)(?:(?!Temp).)*\\t(.*? ALL-..)',str1)
print(arr)

打印，

[('17', 'Allow ALL-00'), ('20', 'Check ALL-00')]

其中不包含具有Temp的元组