python: re.search не начинается с начала строки?

Question

Я работаю на API Колба, который принимает следующее регулярное выражение в качестве конечной точки:

([0-9]*)((OK)|(BACK)|(X))* 

Это означает, что я ожидал ряд чисел, и ОК, НАЗАД, X ключевые слова несколько раз подряд после цифр.

Я хочу разбить это регулярное выражение и делать разные вещи, в зависимости от того, какие группы захвата присутствовали.

Мой подход был следующим:

endp = endp.encode('ASCII', 'ignore') 
    match = re.search(r"([0-9]*)", str(endp), re.I) 
    if match: 
     n = match.groups() 
     logging.info('nums: ' + str(n[0])) 

    match = re.search(r"((OK)|(BACK)|(X))*", str(endp), re.I) 
    if match: 
     s1 = match.groups() 
     for i in s1: 
      logging.info('str: ' + str(i[0])) 

Использование/12OK конечной точки, получить номера работает просто отлично, но по какой-то причине, захватывая остальные ключевые слова являются безуспешными. Я попытался сокращением второй группы захвата только

match = re.search(r"(OK)*", str(endp), re.I) 

Я постоянно нахожу следующее в s1 (с использованием уменьшенных регулярных выражений):

(None,) 

первоначально (с остальным ключевыми словами):

(None, None, None, None) 

Что, я думаю, означает, что шаблон регулярного выражения не соответствует чему-либо в моей строке endp (почему у него есть 4 Nones? 1 для каждого ключевого слова, но для чего 4-го?). Я проверил свою конечную точку (регулярное выражение и по той же строке) с помощью валидатора регулярных выражений, мне кажется, что это хорошо. Я понимаю, что re.match должен получить совпадения с начала, поэтому я использовал метод re.search, так как documentation указывает, что он должен совпадать в любом месте строки.

Что мне здесь не хватает? Пожалуйста, посоветуйте, я новичок в мире python.

Answer 1

Действительно, это немного удивительно, что поиск с * возвращает `Нет:

>>> re.search("(OK|BACK|X)*", u'/12OK').groups() 
(None,) 

Но это«правильно», так как * соответствует нулю или более, и любой шаблон соответствует ноль раз в любой строке, поэтому вы видите None.Поиск с + несколько решает его:

>>> re.search("(OK|BACK|X)+", u'/12OK').groups() 
('OK',) 

Но теперь, ища с этим рисунком в /12OKOK все еще находит только один матч, потому что + означает один или более, и это соответствует один раз при первом OK. Для того, чтобы найти все вхождения, нужно использовать re.findall:

>>> re.findall("(OK|BACK|X)", u'/12OKOK') 
['OK', 'OK'] 

С этими выводами, ваш код будет выглядеть следующим образом: (обратите внимание, что вам не нужно писать i[0] так i уже строка, если вы не хотите войти только первый символ строки):

import re 

endp = endp.encode('ASCII', 'ignore') 
match = re.search(r"([0-9]+)", str(endp)) 
if match: 
    n = match.groups() 
    logging.info('nums: ' + str(n)) 

match = re.findall(r"(OK|BACK|X)", str(endp), re.I) 
for i in match: 
    logging.info('str: ' + str(i)) 

Answer 2

Если вы хотите совместить хотя бы одну из групп, используйте + вместо *.

>>> endp = '/12OK' 
>>> match = re.search(r"((OK)|(BACK)|(X))+", str(endp), re.I) 
>>> if match: 
...  s1 = match.groups() 
...  for i in s1: 
...   print s1 
... 
('OK', 'OK', None, None) 
>>> endp = '/12X' 
>>> match = re.search(r"((OK)|(BACK)|(X))+", str(endp), re.I) 
>>> match.groups() 
('X', None, None, 'X') 

Обратите внимание, что в вашем выражении имеется 4 группы соответствия, по одному для каждой пары круглых скобок. Первое совпадение - это внешняя скобка, а вторая - первая из вложенных групп. Во втором примере вы по-прежнему получаете первое совпадение для внешней скобки, а затем третье - вложенное.

Answer 3

"((OK) | (BACK) | (X)) *" будет искать OK или BACK или X, 0 или более раз. Обратите внимание, что значение * означает 0 или больше, не более 0. Вышеприведенное выражение должно иметь + в конце, а не * как +, означает 1 или больше.

Answer 4

Я думаю, что у вас есть два разных вопроса, и их пересечение вызывает больше путаницы, чем любой из них может вызвать сами по себе.

Первая проблема заключается в том, что вы используете повторяющиеся группы. Библиотека re Python не может захватывать несколько совпадений, когда группа повторяется. Совпадение с рисунком, как (X)+, против 'XXXX' приведет к захвату только одного 'X' в первой группе, хотя вся строка будет сопоставлена. regex library (который не входит в стандартную библиотеку) может выполнять несколько захватов, хотя я не уверен в точности требуемых команд.

Вторая проблема заключается в использовании оператора повторения * в вашем шаблоне. Образец, который вы показываете в верхней части вопроса, будет соответствовать пустой строке. Очевидно, что ни один из gropus не захватит что-либо в этой ситуации (что может быть, поэтому вы видите много результатов None в ваших результатах). Вероятно, вам необходимо изменить свой шаблон, чтобы он требовал некоторого минимального количества действительного текста для подсчета в качестве соответствия. Использование + вместо * может быть одним из решений, но мне непонятно, с чем именно вы хотите сопоставлять, поэтому я не могу предложить конкретный шаблон.