重用正则表达式模式的一部分

Question

考虑以下（非常简化的）示例字符串：

1aw2,5cx7

如您所见，它是两个digit/letter/letter/digit值，以逗号分隔。

现在，我 可以 将其与以下内容匹配：

>>> from re import match
>>> match("\d\w\w\d,\d\w\w\d", "1aw2,5cx7")
<_sre.SRE_Match object at 0x01749D40>
>>>

问题是，我必须写\d\w\w\d两次。对于小模式，这并不是很糟糕，但是对于更复杂的正则表达式，两次编写完全相同的东西会使结束模式变得庞大而繁琐。这似乎也是多余的。

我尝试使用命名捕获组：

>>> from re import match
>>> match("(?P<id>\d\w\w\d),(?P=id)", "1aw2,5cx7")
>>>

但这没用，因为它寻找的是两次1aw2，而不是digit/letter/letter/digit。

有什么方法可以保存模式的一部分，例如\d\w\w\d，以便以后可以在同一模式中使用？换句话说，我可以在模式中重用子模式吗？

Answer 1

不可以，当使用标准库re模块时，正则表达式 模式 不能被“符号化”。

当然，您始终可以通过重新使用Python变量来做到这一点：

digit_letter_letter_digit = r'\d\w\w\d'

然后使用字符串格式来构建更大的模式：

match(r"{0},{0}".format(digit_letter_letter_digit), inputtext)

或者，使用Python 3.6+ f字符串：

dlld = r'\d\w\w\d'
match(fr"{dlld},{dlld}", inputtext)

我经常使用这种技术从可重复使用的子模式中组成更大，更复杂的模式。

如果您准备安装外部库，则该regex项目可以通过
regex子例程调用

解决此问题。该语法(?<digit>)重新使用了已使用（隐式编号）捕获组的模式：

(\d\w\w\d),(?1)
^........^ ^..^
|           \
|             re-use pattern of capturing group 1  
\
  capturing group 1

你可以做同样的 命名
捕获组，其中(?<groupname>...)是命名组groupname，和(?&groupname)，(?P&groupname)或(?P>groupname)再使用由匹配模式groupname（后两种形式是与其他引擎兼容的替代品）。

最后，regex支持该(?(DEFINE)...)块以“定义”子例程模式，而无需在该阶段实际匹配任何子例程。你可以把多个(..)和(?<name>...)捕获组在结构，以后来指他们在实际的模式：

(?(DEFINE)(?<dlld>\d\w\w\d))(?&dlld),(?&dlld)
          ^...............^ ^......^ ^......^
          |                    \       /          
 creates 'dlld' pattern      uses 'dlld' pattern twice

明确地说：标准库re模块不支持子例程模式。