非捕获组中的正则表达式捕获组

Question

在Python中，如何在非捕获组中捕获组？换句话说，如何重复包含捕获组的非捕获子模式？

例如，捕获导入字符串上的所有包名。例如，字符串：

导入熊猫、操作系统、系统

将返回“pandas”、“os”和“sys”。下面的模式捕获第一个包并到达第二个包：

import\s+([a-zA-Z0=9]*),*\s*

从这里，我想重复捕获组并匹配以下字符的子模式，即（[a-zA-Z0=9]*），*\s*。当我用一个非捕获组包围这个子模式并重复它时：

import\s+(?:([a-zA-Z0=9]*),*\s*)*

它不再捕捉里面的群体。

Answer 1

您可以使用您的import\s（？：（[a-zA-Z0-9=] ),*\s*）*regex（我刚刚修复了0-9范围以匹配任何数字并包含=到最后）并使用PyPi regex模块访问Group 1捕获堆栈：

>>> import regex
>>> s = 'import pandas, os, sys'
>>> rx = regex.compile(r'^import\s+(?:([a-zA-Z0-9=]+),*\s*)*$')
>>> print([x.captures(1) for x in rx.finditer(s)])
[['pandas', 'os', 'sys']]

Answer 2

重复捕获组只捕获最后一次迭代。这就是为什么你需要重组你的正则表达式来使用re。findall。

\s*
(?:
  (?:^from\s+
    (  # Base (from (base) import ...)
      (?:[a-zA-Z_][a-zA-Z_0-9]*  # Variable name
        (?:\.[a-zA-Z_][a-zA-Z_0-9]*)*  # Attribute (.attr)
      )
    )\s+import\s+
  )
|
  (?:^import\s|,)\s*
)
(  # Name of imported module (import (this))
  (?:[a-zA-Z_][a-zA-Z_0-9]*  # Variable name
    (?:\.[a-zA-Z_][a-zA-Z_0-9]*)*  # Attribute (.attr)
  )
)
(?:
  \s+as\s+
  (  # Variable module is imported into (import foo as bar)
    (?:[a-zA-Z_][a-zA-Z_0-9]*  # Variable name
      (?:\.[a-zA-Z_][a-zA-Z_0-9]*)*  # Attribute (.attr)
    )
  )
)?
\s*
(?=,|$)  # Ensure there is another thing being imported or it is the end of string

试试regex101.com

捕获组0将是基，捕获组1将是（您所追求的）导入模块的名称，捕获组2将是模块所在的变量（从（组0）导入（组1）为（组2））

import re

regex = r"\s*(?:(?:^from\s+((?:[a-zA-Z_][a-zA-Z_0-9]*(?:\.[a-zA-Z_][a-zA-Z_0-9]*)*))\s+import\s+)|(?:^import\s|,)\s*)((?:[a-zA-Z_][a-zA-Z_0-9]*(?:\.[a-zA-Z_][a-zA-Z_0-9]*)*))(?:\s+as\s+((?:[a-zA-Z_][a-zA-Z_0-9]*(?:\.[a-zA-Z_][a-zA-Z_0-9]*)*)))?\s*(?=,|$)"

print(re.findall(regex, "import pandas, os, sys"))

[('', 'pandas', ''), ('', 'os', ''), ('', 'sys', '')]

如果你不喜欢其他两个组，你可以删除它们。

Answer 3

你的问题措辞严格是关于正则表达式的，但如果你愿意使用递归下降解析器（例如，pyparsing），许多需要正则表达式专业知识的事情就会变得非常简单。

例如，你的要求变成了

from pyparsing import *

p = Suppress(Literal('import')) + commaSeparatedList

>>> p.parseString('import pandas, os, sys').asList()
['pandas', 'os', 'sys']

>>> p.parseString('import                    pandas,             os').asList()
['pandas', 'os']

这可能是个人品味的问题，但对我来说，

Suppress(Literal('import')) + commaSeparatedList

也比正则表达式更直观。