python - 正则表达式中的可选匹配

Question

尝试将这些输入字符串匹配到三个匹配组 (Regex101 link):

    | input string  | x  | y   | z  |
------------------------------------
  I | a             | a  |     |    |
 II | a - b         | a  | b   |    |
III | a - b-c       | a  | b-c |    |
 IV | a - b, 12     | a  | b   | 12 |
  V | a - 12        | a  |     | 12 |
 VI | 12            |    |     | 12 |

所以输入字符串的剖析如下:

• optional first part with free text up until a hyphen with surrounding whitespace (-) or the input string ends
• optional second part with any character after the first hyphen with surrounding whitespace up until a comma or the input string ends
• optionally exactly two digits at the end

我尝试了很多不同的解决方案，这是我目前的尝试:

^(?P<x>.*)(?:-)(?P<y>.*)(?<!\d)(?P<z>\d{0,2})(?!\d)$

它处理场景 II、IV 和 V OK(还必须对空白进行一些修剪)，但是:

• I 和 VI 根本没有返回
• III 不是在第一个连字符处拆分而是在最后一个连字符处拆分

Answer 1

这似乎做得相当不错:

^(?:(.*?)(?: - |$))?(?:(.*?)(?:, |$))?(\d\d$)?$

感兴趣的值将分别位于组 1、2 和 3 中。

唯一的罪魁祸首是“两位数”将是

• 在案例 V 的第 2 组中，
• 在案例 VI 的第 1 组中，

在这些情况下，其他组为空。

这是因为“两位数”与 “自由文本直到分隔符或字符串结束” 规则相匹配。

您可以使用否定前瞻强制将两位数放入最后一组，但除非“两位数”不是第 1 组和第 2 组的合法值，否则这是不正确的。在任何情况下，它都会使表达式变得笨拙:

^(?:((?!\d\d$).*?)(?: - |$))?(?:((?!\d\d$).*?)(?:, |$))?(\d\d$)?$

---

分割:

^                    # string starts(?:(.*?)(?: - |$))?  # any text, reluctantly, and " - " or the string ends(?:(.*?)(?:, |$))?   # any text, reluctantly, and ", " or the string ends(\d\d$)?             # two digits and the string ends$                    # string ends