具有不同量词的正则表达式捕获组
我正在分析的文本包括捕获组前后以及捕获组内的星号。我确定的解析捕获组的模式基本上是：文本前的连续星号总是至少为30。类似地，最后一个单词后面的连续星号长度至少为15个字符。捕获组中的连续星号始终小于10。我遇到的问题是，我不确定如何给捕获组中的星号和组中的其他字符赋予不同的量词，但将其包含在同一匹配集中。例如：
text = 'ÿÿÿÿ*************************************************CURRICULUM VITAE***Información *personal*********************ìÌ**Ì*Ì*Ì*'
所以基本上，我只需要捕获文本部分。星号可以存在于实际文本之前和之后（我可以稍后删除），但乱码不能。因此，任何一种输出都可以工作：
#Output #1
CURRICULUM VITAE***Información *personal
#output #2
**********CURRICULUM VITAE***Información *personal**********
下面是我尝试过的代码，它无法区分捕获组和随后的胡言乱语。但它确实能正确识别文本前的星号。
p=re.compile(r'(?<=[*]{30})([\x29{,10}|\u00c0-\u00d6|\u00d8-\u00f6|\u00f8-\u02af|\u1d00-\u1d25|\u1d62-\u1d65|\u1d6b-\u1d77|\u1d79-\u1d9a|\u1e00-\u1eff|\u2090-\u2094|\u2184-\u2184|\u2488-\u2490|\u271d-\u271d|\u2c60-\u2c7c|\u2c7e-\u2c7f|\ua722-\ua76f|\ua771-\ua787|\ua78b-\ua78c|\ua7fb-\ua7ff|\ufb00-\ufb06|\x20-\x2A|\x2B-\x7E]+)(?=[*]{,15})', re.MULTILINE)
print(re.findall(p, text)[0])
#output
*******************CURRICULUM VITAE***Información *personal*********************ìÌ**Ì*Ì*Ì*
如您所见，它成功地切断了实际捕获组之前的胡言乱语，但没有切断捕获组之后的胡言乱语。我猜上面的正则表达式没有正确编写，因此\x29{，10}与其余字符一起执行，这可能会发生。
请注意，\ x29是*的unicode。更改unicode字符作为解析捕获组的一种方式不是一个选项，我需要能够维护重音，这可能也存在于乱码部分。
编辑每MAX XAPI的评论
在乱码之后可能有15个连续的星号，所以你的代码似乎在最后15个连续的星号处被删掉，但保留了之前的星号。因此，我需要的是，匹配要么在前15个连续的星号处剪切（即，捕获组后没有星号），要么只包括捕获组后的前15个星号。例如：
p=re.compile(r'(?<=[*]{30})([^*][\x2A{,10}|\u00c0-\u00d6|\u00d8-\u00f6|\u00f8-\u02af|\u1d00-\u1d25|\u1d62-\u1d65|\u1d6b-\u1d77|\u1d79-\u1d9a|\u1e00-\u1eff|\u2090-\u2094|\u2184-\u2184|\u2488-\u2490|\u271d-\u271d|\u2c60-\u2c7c|\u2c7e-\u2c7f|\ua722-\ua76f|\ua771-\ua787|\ua78b-\ua78c|\ua7fb-\ua7ff|\ufb00-\ufb06|\x20-\x2A|\x2B-\x7E]+[^*])(?=[*]{15,})',re.MULTILINE)
text=t='ÿÿÿÿ*************************************************CURRICULUM VITAE***Información *personal**********************ìÌ**Ì*Ì*Ì*************************************(ìÌ**Ì*Ì*Ì***************'
#output
print(re.findall(p, text))
['CURRICULUM VITAE***Información *personal**********************ìÌ**Ì*Ì*Ì']
#desired output
['CURRICULUM VITAE***Información *personal']
The following is also acceptable
['CURRICULUM VITAE***Información *personal***************']
共有2个答案
考虑到捕获组必须以非*开头，并且必须以相同的方式结束，您可以使用一个技巧。因此，只需添加另一个包含两个[^*]的容器组：
(?<=[*]{30})([^*][\x29{,10}|\u00c0-\u00d6|\u00d8-\u00f6|\u00f8-\u02af|\u1d00-\u1d25|\u1d62-\u1d65|\u1d6b-\u1d77|\u1d79-\u1d9a|\u1e00-\u1eff|\u2090-\u2094|\u2184-\u2184|\u2488-\u2490|\u271d-\u271d|\u2c60-\u2c7c|\u2c7e-\u2c7f|\ua722-\ua76f|\ua771-\ua787|\ua78b-\ua78c|\ua7fb-\ua7ff|\ufb00-\ufb06|\x20-\x2A|\x2B-\x7E]+[^*])(?=[*]{15,})
我添加/更改了：
- 在捕获组的末尾和开头添加了两个“非
*”事件：（[^*]…[^*]）
https://regex101.com/r/m6lqP3/3
这只使用一个消极的前瞻断言：
尝试：
\*{30,}((?:[^*]|\*(?!\*{9}))+?)\*{15,}
正则表达式演示
\*{30，}匹配30个或更多星号（开始捕获组1（？：[^*]|\*（？！\*{9}）） 匹配非捕获组中的一个或多个：一个非星号或一个未后跟9个星号的星号- `)“第1组捕获结束
\*{15，}匹配15个或更多星号
import re
text = 'ÿÿÿÿ*************************************************CURRICULUM VITAE***Información *personal*********************ìÌ**Ì*Ì*Ì*'
l = re.findall(r'\*{30,}((?:[^*]|\*(?!\*{9}))+?)\*{15,}', text)
print(l)
印刷品：
['CURRICULUM VITAE***Información *personal']
-
假设我有这个虚拟URL，我需要提取植物及其颜色作为 下面的I have正在按预期捕获我需要的元素，但是当我的URL中的植物少于4株时，它无法捕获任何东西。底部有一个指向regex测试员的链接，其中有示例代码和URL，您可以使用。 如何修改这个正则表达式，使其动态工作，从而在不需要静态URL结构的情况下捕获可用内容。现在，假设我最多只能捕获4株植物（8组） https://regex101.com/
-
我有一个具有多个可选和非捕获组的正则表达式。所有这些组都可能发生，但不必发生。正则表达式应使用非捕获组返回整个字符串。 当我将最后一个组也设置为可选时，正则表达式将具有多个分组结果。当我将第一组设置为非可选时，正则表达式匹配。为什么？ 输入将类似于，预期输出。 提前感谢！
-
软件-Adobe Professional XI 编程-用正则表达式匹配通配符的JavaScript 背景-我有多个带有标题栏的pdf图纸，使用java脚本，基于单词的位置添加数字签名字段(通过与regex匹配)。 目前正在测试，看看是否有文字出现在绘图标题块的修订版1中。 脚本搜索修订号1，后面是日期、标题（字数不同）和4组缩写。 数字1是静态的（日期、标题和首字母都是通配符，因为每个图形都不同
-
问题内容： 我有一个像 我需要一个正则表达式给我以下输出： 我努力了 但这给 问题答案： 因此，您想要（+一个整数）后跟任何内容，直到下一个（或字符串结尾），对吗？ 然后，您需要告诉正则表达式引擎： 在您的正则表达式中，尽可能匹配-直到字符串结尾的所有内容。另外，您将比赛的第二部分本身做了。 我的解决方案说明：
-
问题内容： 我正在尝试使用Java expr在：之后捕获正确的部分，但是在以下代码中，打印的捕获组是整个字符串，怎么了？ 问题答案： 子组的编号从1开始，全文为0。只需循环执行count + 1。
-
本文向大家介绍所有格量词Java正则表达式，包括了所有格量词Java正则表达式的使用技巧和注意事项，需要的朋友参考一下 贪婪的量词是默认的量词。贪婪的量词从输入字符串中尽可能匹配（最长匹配），如果未发生匹配，则它离开最后一个字符并再次匹配。 所有格量词与贪婪量词相似，唯一的区别是它试图匹配最初可能匹配的尽可能多的字符，并且，如果不像贪婪量词那样发生匹配，它就不会回退。 如果将“ +”放在贪婪的量词