python - 正则表达式获取括号外的所有文本

Question

我正在尝试使用正则表达式获取括号外的任何文本。

示例字符串

Josie Smith [3996 COLLEGE AVENUE, SOMETOWN, MD 21003]Mugsy Dog Smith [2560 OAK ST, GLENMEADE, WI 14098]

我可以通过以下方式成功获取方括号内的文本:

addrs = re.findall(r"\[(.*?)\]", example_str)
print addrs
[u'3996 COLLEGE AVENUE, SOMETOWN, MD 21003',u'2560 OAK ST, GLENMEADE, WI 14098']    

但我无法获取方括号之外 的任何内容。我试过类似下面的东西:

names = re.findall(r"(.*?)\[.*\]+", example_str)

但这只能找到名字:

print names
[u'Josie Smith ']

到目前为止，我只看到一个字符串包含一到两个 name [address] 组合，但我假设一个字符串中可能有任意数量的组合。

Answer 1

如果没有嵌套的括号，你可以这样做:

re.findall(r'(.*?)\[.*?\]', example_str)

---

但是，您在这里甚至不需要正则表达式。只需拆分括号:

(s.split(']')[-1] for s in example_str.split('['))

---

您的尝试失败的唯一原因:

re.findall(r"(.*?)\[.*\]+", example_str)

... 是您在括号内进行非贪婪匹配，这意味着它捕获从第一个左括号到最后一个右括号的所有内容，而不是仅捕获第一对括号。

---

另外，最后的+好像不对。如果你有'abc [def][ghi] jkl[mno]'，你想找回['abc', '', 'jkl'],或者 ['abc', 'jkl']？如果是前者，不要添加+。如果是后者，则执行 - 但您需要将整个括号内的模式放在非捕获组中:r'(.*?)(?:\[.*?\])+ .

---

如果在最后一个括号后可能有额外的文本，split 方法可以正常工作，或者您可以使用 re.split 而不是 re.findall …但是如果你想调整你原来的正则表达式来处理它，你可以。

在英语中，您想要的是括号内的子字符串或字符串结尾之前的任何(非贪婪)子字符串，对吧？

因此，您需要在 \[.*?\] 和 $ 之间交替。当然，您需要对其进行分组才能编写交替，并且您不想捕获该组。所以:

re.findall(r"(.*?)(?:\[.*?\]|$)", example_str)