python - 非贪婪的 python 正则表达式

Question

我正在尝试使用一些正则表达式；我正在使用 python。

我现在的任务是抓取报纸文章并寻找人们死亡的实例。一旦我有了相关的文章，我就会尝试通过其他一些事情来获取死亡人数。我试图想出一些模式，但我特别难以理解其中一种模式。以这个示例文章部分为例:

SANAA, Oct 21 (Reuters) - Three men thought to be al Qaeda militants were killed in an apparent U.S. drone attack on a car in Yemen on Sunday, tribal sources and local officials said.

我用来获取“三”的代码首先对整个文档进行替换，以便在应用任何模式之前“三”变成“3”。与此示例相关的模式是这样的:

re.compile(r"(\d+)\s(:?men|women|children|people)?.*?(:?were|have been)? killed")

这个想法是这个模式将以数字开头，后跟一个可选名词，例如列出的名词之一，然后在找到“死”或“死”之前有最少的困惑。我想留出空间，以便这种模式能够捕捉到:

3 people have been killed since Sunday

仍然捕获示例中的实例:

3 men thought to be al qaeda militants were killed

问题是我正在使用的模式是从文章的第一部分收集日期，并返回 21 的计数。到目前为止，没有多少摆弄使我能够将范围限制在旁边的数字男人这个词，后面是分词短语，然后是相关的“被杀”。

任何帮助将不胜感激。在 RE 方面，我绝对不是大师。

Answer 1

不要让 men|women|children 可选，即去掉右括号后的问号。正则表达式引擎将在第一个可能的位置进行匹配，无论重复运算符是贪婪还是吝啬。

或者，或者另外，使“这里的任何东西”模式只匹配非数字，即将 .*? 替换为 \D*?