正则表达式搜索从左到右？

Question

>>> test1 = "123 main street, slc, utah county, utah 84115"  # test string
>>> address_end_pattern3 = re.compile(r"\b((ut(ah)?)\,?[\s\n](84\d{3}(\-\d{4})?)|(84\d{3}(\-\d{4})?)|(ut(ah)?))\b", re.IGNORECASE) # all 3 patterns concatenated with | in the order I would like it to be found
>>> address_end_pattern2 = re.compile(r"\b((ut(ah)?)\,?[\s\n](84\d{3}(\-\d{4})?)|(84\d{3}(\-\d{4})?))\b", re.IGNORECASE)  # 2 patterns omitting the state only pattern
>>> address_end_pattern1 = re.compile(r"\b(ut(ah)?)\,?[\s\n](84\d{3}(\-\d{4})?)\b", re.IGNORECASE)  # the first pattern (state and zip) alone
>>> address_end_pattern1.search(test1).group()
'utah 84115'  # it finds the first pattern correctly when it is the only pattern
>>> address_end_pattern3.search(test1).group()  # but not when the state only pattern is there
'utah'
>>> address_end_pattern2.search(test1).group()
'utah 84115'  # finds the first pattern when combined with zip alone

在前一个问题证实后，我相信regex从左到右搜索字符串和模式。。。但后来事情发生了。如果它自己正确地找到了该模式，并且在与zip模式连接时，它为什么只在连接模式中最后一个选项时才找到状态模式？有人能解释这种行为吗？在

编辑： 为了清楚起见，如果第一个模式：

^{pr2}$

我试着找出一些东西，比如： 犹他州，84115 或 犹他州，84115-0001

如果没有出现这种情况，那么我只能选择邮政编码来标识地址的结尾：

r"\b(84\d{3}(\-\d{4})?))\b"

应该与以下内容相匹配：

84115个 或 84115-0011号

最后，如果两者都不匹配，那么我只想查找状态：

\b（ut（ah）？）\b

应匹配： 美国犹他州 或 犹他州

我想按这个顺序查找，因为后两个可能会切断一些信息，或者在各种情况下使用第二个地址，因为地址列为：

SLUT大街123845号和C大街1234号

Answer 1

正则表达式与utah county中的utah匹配，这是因为您在第3个模式中使用了第3个选项。因为它出现在你想要的“犹他84115”之前，这是你的第一场比赛，utah 84115是第二场比赛。如果你在“犹他84115”和“犹他县”之间切换，就可以了。https://regex101.com/r/zQ4rJ1/5。在

Answer 2

我不确定这是否是您想要的，但是如果您使用findall而不是search，这应该会返回一个您要查找的所有匹配项的列表。在

address_end_pattern3.findall(test1)

我不确定，但我想你的问题与re.search如何工作和{}之间的相互作用有关。在

Answer 3

正则表达式搜索总是在首先开始的文本中找到匹配项。对于您的示例模式，这是"utah county"的"utah"部分。如果模式中的多个备选方案可以从同一个字符开始匹配，那么它将选择模式中的备选方案（在|的左侧），这可能不是最长的。当使用search（而不是findall）时，文本的其余部分甚至都不会被检查，因此没有办法得到后面的匹配。在

您的示例模式和文本可以简化为一个更简单的示例，这可能有助于您处理它并了解发生了什么。这里a是“犹他”（在文本中出现两次）的替身，b是邮政编码的替代（只出现一次）。在

>>> re.search('ab|a|b', 'a ab').group()
'a'