python - 基于内部结构(如果存在)的 Python 正则表达式

Question

我有这样的结构

[[单词测试]] 或 [[单词 | word2 ]] 或 [[word test2 # word]]] ...

我需要提取 # 和 | 之前的所有内容(如果存在)，并忽略后面的内容。如果它们不存在，则返回大括号之间的所有内容。

因此上述示例的结果将是:

word test
word
word test2

我有

variable = re.findall(r'\[\[(.*?)\]\]', docs[doc], re.IGNORECASE)

但这并没有提取 # 或 | 之前的内容。

Answer 1

考虑到 [[ 和 ]] 之间的字符串不包含 [ 和 ] 并且不包含嵌套括号，你可以使用

re.findall(r'\[\[\s*([^][]*?)\s*(?:[#|][^][]*)?]]', text)

请参阅regex demo .

正则表达式详细信息

• \[\[ - [[ 子字符串
• \s* - 0+ 个空格
• ([^][]*?) - 第 1 组(re.findall 将返回什么):
• \s* - 0+ 个空格
• (?:[#|][^][]*)? - 可选组，匹配 1 次或 0 次出现的 # 或 | 后跟除 ] 和 [
之外的 0+ 个字符
• ]] - ]] 子字符串。

如果您需要提取的部分可能包含[或]，您可以使用

r'\[\[\s*((?:(?!\[\[).)*?)\s*(?:[#|].*?)?]]'

参见this regex demo 。 (?:(?!\[\[).)*? 将匹配任何字符，0 个或更多，但尽可能少，不会启动 [[ 字符序列。 .*? 将匹配除换行符之外的任何零个或多个字符，尽可能少。