Python 条件正则表达式

Question

这是一个关于在Python中使用条件正则表达式的问题：

我想要匹配字符串 "abc"，并且

match(1)="a"
match(2)="b"
match(3)="c"

也想要匹配字符串 " a"，并且

match(1)="a"
match(2)=""
match(3)=""

下面的代码几乎可以做到这一点，但问题是，在第一个情况下 match(1)="a"，而在第二个情况下，match(4)="a"（而不是我想要的 match(1)）。

实际上，如果你用 for g in re.search(myre,teststring2).groups(): 来遍历所有的组，你会得到6个组（而不是预期的3个）。

import re
import sys

teststring1 = "abc"
teststring2 = "  a"

myre = '^(?=(\w)(\w)(\w))|(?=\s{2}(\w)()())'

if re.search(myre,teststring1):
    print re.search(myre,teststring1).group(1)

if re.search(myre,teststring2):
   print re.search(myre,teststring2).group(1)

有什么想法吗？（注意这是针对Python 2.5的）

Answer 1

myre = '^(?=\s{0,2}(\w)(?:(\w)(\w))?)'

这个方法可以处理你提到的两种情况，效果也正是你想要的，但它不一定是一个通用的解决方案。感觉你提出的是一个简单的问题，但它实际上代表了一个更复杂的问题。

要找到一个通用的解决方案非常困难，因为后面的元素处理依赖于前面的元素处理，反之亦然。举个例子，如果你有完整的 abc，那么开头的空格就不应该存在。如果开头有空格，那么你只能找到 a。

在我看来，处理这个问题的最好方法还是你最开始用的 | 结构。你可以在匹配之后加一些代码，把匹配到的部分提取到一个数组里，然后按照你喜欢的方式排列。

关于分组的规则是：所有没有紧接着 ?: 的开括号都会形成一个分组。这个分组可能是空的，因为它实际上没有匹配到任何东西，但它仍然会存在。

Answer 2

在这个表达式中，每个捕获组都有自己的索引。你可以试试这个：

r = re.compile("^\s*(\w)(\w)?(\w)?$")

abc -> ('a', 'b', 'c')
a -> ('a', None, None)

下面来简单解释一下：

^     // anchored at the beginning
\s*   // Any number of spaces to start with
(\w)  // capture the first letter, which is required
(\w)? // capture the second letter, which is optional
(\w)? // capture the third letter, which is optional
$     // anchored at the end

Answer 3

也许...:

import re
import sys

teststring1 = "abc"
teststring2 = "  a"

myre = '^\s{0,2}(\w)(\w?)(\w?)$'

if re.search(myre,teststring1):
    print re.search(myre,teststring1).group(1)

if re.search(myre,teststring2):
   print re.search(myre,teststring2).group(1)

这样做确实能在你想要的情况下都得到 a，但是在你没有展示的其他情况下，可能就不太符合你的要求了（比如前面没有空格，或者后面有空格 并且 多于一个字母，这样匹配到的字符串总长度就会 != 3... 不过我只是猜测你 不 想在这种情况下得到匹配...？）