如何在Python正则表达式中匹配但不捕获？

Question

我有一个函数，它输出“Washington D.C., DC, USA”。我需要提取“Washington, DC”，因为这和我处理全国其他城市的方式有关。（注意：这不是“D.C.”，我需要在“Washington”和“DC”之间有一个逗号，空格也可以）

我真是想破脑袋也搞不懂怎么提取这个。

这是我尝试过的：

    >>>location = "Washington D.C., DC, USA"

    >>>match = re.search(r'\w+\s(?:D\.C\.), \w\w(?=\W)', location).group()
    >>>match
    u'Washington D.C., DC'

难道 (?: ...) 不应该只是匹配（而不是提取）“D.C.”吗？

这是 2.7.2 的文档：

(?:...) 这是正则表达式中不捕获的括号版本。它匹配括号内的正则表达式，但匹配到的子字符串在匹配后无法被提取或在模式中引用。

这是怎么回事？？

提前谢谢你！

Answer 1

我来得有点晚，前两个回答都很好，不过如果你需要一个通用的正则表达式，用来从城市、后缀、州/省和国家的组合中提取城市名，而你知道华盛顿D.C.是个麻烦的特殊情况，你可以试试下面这个：

>>> import re
>>> city = re.compile(r'(\w+(?:\sD\.C\.)?), \w\w(?=\W)')
>>> location = "Washington D.C., DC, USA"
>>> re.search(city, location).group(1)
'Washington D.C.'
>>> location = "Vancouver, BC, Canada"
>>> re.search(city, location).group(1)
'Vancouver'

这里的D.C.部分是可选的（因为你不总是需要它），而且它是非捕获的（这样可以节省内存）。

Answer 2

matches = re.search(r'(\w+\s)(?:D\.C\.)(, \w\w)(?=\W)', location).group(1,2)
match = ''.join(matches)

当说它是“非捕获”的时候，这意味着它不会为这个部分单独创建一个捕获组。也就是说，文本“D.C.”仍然会包含在匹配结果中。想了解更多，可以查看这个链接：http://docs.python.org/library/re.html#match-objects

Answer 3

这确实是个聪明的方法，但“不捕获”并不意味着从匹配中去掉它。它只是表示，这个部分不会被当作输出组。

你可以尝试做类似下面的事情：

match = re.search(r'(\w+)\s(?:D\.C\.), (\w\w)\W', location).groups()

这样会打印出 ('Washington', 'DC')。

注意 .group() 和 .groups() 之间的区别。前者会给你整个匹配到的字符串，后者只会给你捕获到的组。记住，你需要指定你想要在输出中包含的内容，而不是你想要排除的内容。