根据python中的模式拆分和分组字符串

Question

问题： 我有以下示例字符串：

ex1 = "00:03:34 hello!! this is example number 1 00:04:00"
ex2 = "00:07:08 Hi I am example number 2"

我希望它像下面这样分组（输出）：

ex1 out : ("00:03:34", "hello!! this is example number 1", "00:04:00")
ex2 out : ("00:07:08", "Hi I am example number 2", None)

尝试：

我试过重新拆分：

time_pat = r"(\d{2}:\d{2}:\d{2})"
re.split(time_pat, ex1)
re.split(time_pat, ex2)

它给了我以下输出：

ex1 out : ['', '00:03:34', ' hello!! this is example number 1 ', '00:04:00', '']
ex2 out : ['', '00:07:08', ' Hi I am example number 2']

我将使用过滤器去除空白，然后输出将如下所示

ex1 out : ['00:03:34', ' hello!! this is example number 1 ', '00:04:00']
ex2 out : ['00:07:08', ' Hi I am example number 2']

这里的问题是 ex2 输出的长度为 2 而不是 3，第三个元素为 None。我知道如果长度为 2，我可以追加 None 但我不想这样做，我相信正则表达式可以做到。

我尝试了以下正则表达式：

re1 : r"(\d{2}:\d{2}:\d{2})(.*)(\d{2}:\d{2}:\d{2})"

很明显，它会解析 ex1 而不是 ex2

re2 : r"(\d{2}:\d{2}:\d{2})(.*)(\d{2}:\d{2}:\d{2})?"

这将解析两者，但第三个字符串始终为 None，因为正则表达式中的 ".*" 消耗了结束时间模式。

我尝试过前瞻断言，但我尝试错误，因此没有结果。谁能帮我在这里获取正则表达式？

Answer 1

您可以按照您的建议使用前瞻，或者您可以只使用非贪婪捕获，一个可选组并指定您要匹配直到行尾 ($)：

import re

ex1 = "00:03:34 hello!! this is example number 1 00:04:00"
ex2 = "00:07:08 Hi I am example number 2"

for ex in [ex1, ex2]:
    mat = re.match(r'(\d{2}:\d{2}:\d{2})\s(.*?)\s*(\d{2}:\d{2}:\d{2})?$', ex)
    if mat: print mat.groups()

输出：

('00:03:34', '你好！！这是示例编号 1', '00:04:00') （'00:07:08', '嗨，我是 2 号示例'，无）

注意：这与您所拥有的非常接近——我只是对中间组使用了非贪婪捕获（(.*?) 中的?）并在末尾添加了一个$ 来告诉它匹配整条线。如果没有非贪婪捕获，最后的可选时间戳将被中间组吃掉，并且没有指定要匹配到行尾，解析器甚至不会尝试匹配非贪婪的中间组和可选的时间戳，因为它不必这样做。

Answer 2

使用这种模式来捕获而不是拆分

^(\d{2}:\d{2}:\d{2})(.*?)((?:\d{2}:\d{2}:\d{2})|)$

Demo