regex - python 3 : subgroup matches not working for OR '|' joined regular expressions

Question

我正在尝试解析 csv 文件中的一些行以提取一系列数字。有两种可能的格式，单独的数字，或嵌入在较长代码中的数字。

这是一个代码示例，说明我在做什么，以及出了什么问题:

# regex works
>>> re.search('^(\d+)$', '5755').group(0, 1)
('5755', '5755')

# regex works with capturing group inside non-capturing group
>>> re.search('(?:^(\d+)$)', '5755').group(0, 1)
('5755', '5755')

# regex does not work as second of two non-capturing groups
>>> re.search('(?:\$SK-*(\d+)[-K])|(?:^(\d+)$)', '5755').group(0, 1)
('5755', None)

# the other regex of the pair works
>>> re.search('(?:\$SK-*(\d+)[-K])|(?:^(\d+)$)', '11$SK-2301-K13').group(0, 1)
('$SK-2301-', '2301')

# the regex works as the first of two non-capturing groups
>>> re.search('(?:^(\d+)$)|(?:\$SK-*(\d+)[-K])', '5755').group(0, 1)
('5755', '5755')

如您所见，正则表达式本身或包裹在 (?...) 中工作正常，但当与另一个正则表达式结合时，两个正则表达式中的第二个组停止工作，即使搜索返回匹配对象。但是，如果我随后交换通过管道传输的正则表达式的顺序，第一个仍然可以工作，无论它是哪个正则表达式。

需要说明的是，当我将两个可用的正则表达式与竖线 ('|') 组合在一起时，第一个上的组将起作用，但第二个上的组将不起作用。

为什么会这样？我该如何解决这个问题？

Answer 1

问题的原因在于，对子组工作方式的直观理解并不是他们在实践中的工作方式。

我将详细说明关于您的问题的两条不同评论正确指出的内容。 子组在捕获时没有编号，而是在创建/解析正则表达式时固定。例如:

re.search('match:(foo)','match:foo').group(1)

会是

('foo')

因为第一个捕获组是(foo)。同样

re.search('match:(foo)(bar)','match:foobar').group(1,2)

将是

('foo','bar')

因为第一个和第二个捕获组是(foo)和(bar)，并且每个都被匹配和捕获。

以这样的模式

match:(?:(foo)|(bar))

(foo) 和 (bar) 仍然是第一个和第二个捕获组，即使由于 OR | 只有其中一个可以捕获。

re.search('match:(?:(foo)|(bar))','match:foo').group(1,2)
re.search('match:(?:(foo)|(bar))','match:bar').group(1,2)

会输出

('foo', None)
(None, 'bar')

因此，您需要在代码中添加一些逻辑来检查哪个捕获组有内容并返回那个。