正则表达式使组只出现一次

Question

我正在尝试在 Python 上运行正则表达式查询，但遇到以下问题：

在法语中，主语可以出现在动词前后。 例如，句子“she says”可以翻译成“elle dit”和“dit-elle”，其中“elle”是“she”，“dit”是“says”。

是否可以只捕获包含“elle”和“dit”的句子，无论主语“elle”是在动词“dit”之前还是之后？我从以下开始：

(elle).{0;10}(dit).{0;10}(elle)

但是现在我想在找到另一个(elle) 时将其设为可选。 * 和 + 运算符在这种情况下没有帮助。

Answer 1

您可以使用可以使用pip install regex（或pip3 install regex）安装的PyPi regex 模块：

import regex
p = r'(?<=\b(?P<subject>il|elle)\b.{0,10})?\b(?P<predicate>dit|mange)\b(?=.{0,10}\b(?P<subject>il|elle)\b)?'
print( [x.groupdict() for x in regex.finditer(p, 'elle dit et dit-elle et il mange ... dit-il', regex.S)])

见online Python demo

模式可以从变量动态创建：

subjects = ['il', 'elle']
predicates = ['dit', 'mange']
p = fr'(?<=\b(?P<subject>{"|".join(subjects)})\b.{0,10})?\b(?P<predicate>{"|".join(predicates)})\b(?=.{0,10}\b(?P<subject>{"|".join(subjects)})\b)?'

详情

• (?<=\b(?P<subject>il|elle)\b.{0,10})? - 一个可选的回溯以抓取整个单词 il 或 elle 在 0 到 10 个字符内
• \b(?P<predicate>dit|mange)\b - 一个完整的词 dit 或 mange
• (?=.{0,10}\b(?P<subject>il|elle)\b)? - 一个可选的期待在谓词的 0 到 10 个字符内抓取整个单词 il 或 elle。