带两种可能regex的子串

Question

我从网页中提取了一个长字符串。使用：

 x=re.findall(r"(?:l'article)\s\d+\w+.*;", xpath)

它提取了以下两个字符串：

 l'article 1382 du code civil ;
 l'article 700 du code de procédure civile, les condamne à payer à la société Financière du cèdre la somme globale de 3 000 euros et rejette leurs demandes ;

但是，后者有点长。我所需要的就是'，'了。有没有直接的方法？因此，让我原来的regex命令根据它首先遇到的命令查找“；”或“，”。你知道吗

如果没有，我可以将regex应用到一个列表中，还是需要为此编写一个循环？你知道吗

所需结果列表：

 l'article 1382 du code civil
 l'article 700 du code de procédure civile

请注意，我必须将此应用于许多页面，而且一个页面中可能会有更多这样的页面。用手或在列表中明确指出条目来做任何事情都是不可能的。你知道吗

Answer 1

你可以简化你的正则表达式很多：

• (?:l'article)->；不需要非捕获组，因此可以将其删除
• \s\d+\w+->；对\w+的检查似乎毫无意义（特别是当它匹配没有字母的数字时），因此我认为可以删除它。或者缺少要匹配的空格字符，例如1382 du
• .*;要匹配任何高达,或;的字符，您可以简单地使用一个否定字符类，比如[^;,]*，它将匹配所有不属于这些字符的字符。你知道吗

所以你最后的正则表达式可以是

l'article\s\d+[^;,]*

或者

l'article\s\d+\s\w+[^;,]*

Answer 2

您似乎缺少ungreedy操作符?，以便强制regex在找到第一个匹配项后停止搜索。另外，您可以使用[]检查多个字符（请参阅以下内容）。新代码如下：

(?:l'article)\s\d+\w+.*?[;,]

正则表达式101：

https://regex101.com/r/tYkNHK/1