Python正则表达式非捕获问题？

Question

我想从一个字符串中提取所有被引号（" 或 '）包围的子字符串，但不包括引号本身。于是我想出了这个方法：

"((?:').*[^'](?:'))|((?:\").*[^\"](?:\"))"

但是不知为什么，匹配到的字符串里还是包含了引号。请问这是为什么呢？

真诚的，nikita.utiu。

Answer 1

你可以试试：

import shlex
...
lexer = shlex.shlex(your_input_string)

quoted = [piece.strip("'\"") for piece in lexer if piece.startswith("'") or piece.startswith('"')]

shlex（词法分析）会帮你处理转义的引号。不过要注意，它不支持unicode字符串。

Answer 2

使用非捕获组并不意味着它们完全不被捕获。它们只是不会像普通的捕获组那样创建单独的捕获组。

不过，正则表达式的结构要求引号是匹配的一部分：

"('[^']*'|\"[^\"]*\")"

然后在处理匹配的部分时，只需用 matched_string[1:-1] 去掉周围的引号就可以了。

Answer 3

你可以使用前瞻和后顾断言来实现这个功能：

>>> match = re.search(r"(?<=').*?(?=')", "a 'quoted' string. 'second' quote")
>>> print match.group(0)
quoted