python - 如何将备选方案与 python 正则表达式匹配

Question

给定字符串 1:

'''汤姆喜欢去游泳玛丽喜欢去 Playground 简喜欢逛街'''

我只想捕获两个名字之间的文本。要么是汤姆和玛丽，要么是汤姆和简。如果 Mary 出现在 Jane 之前，我想捕获 Tom 和 Mary 之间的文本。但是，如果 Jane 先出现，我想捕获 Tom 和 Jane 之间的文本。

我写了下面的代码:

text = re.compile(r'''(
            TOM\s*
            ([\w\W]+)\s*
            JANE|MARY
            )''', re.VERBOSE)

text_out = text.search(string).group(1)

但是，即使 Mary 先出现，这段代码也会给我 Tom 和 Jane 之间的文本。我知道这是因为管道函数是从左到右读取的，因此会先匹配 Jane。有没有办法对此进行编码，使其取决于谁首先出现在文本中？

例如，在 string2 中:“'''汤姆喜欢去游泳简喜欢逛街玛丽喜欢去 Playground '''

我想为 string2 捕获 Tom 和 Jane 之间的文本。

Answer 1

你需要修复你的交替，它必须包含在一个非捕获组 (?:JANE|MARY) 中，并使用惰性量词 [\w\W] (我将替换为 .* 并使用 re.DOTALL 修饰符使点也匹配换行符):

(?s)TOM\s*(.+?)\s*(?:JANE|MARY)

参见 regex demo

如果没有 (?:...|...)，您的正则表达式匹配 Tom，然后尽可能多地匹配任何 1+ 个字符(即正则表达式抓取整个字符串，然后回溯以匹配后续子模式 JANE) 和 JANE 或 MARY 子字符串的最后一次出现。现在，固定的正则表达式匹配:

• (?s) - DOTALL 内联修饰符
• TOM - 文字字符序列
• \s* - 0+ 个空格
• (.+?) - 第 1 组(捕获):任何 1+ 个字符，尽可能少，直到后续子模式的第一次出现。 ..
• \s* - 0+ 个空格
• (?:JANE|MARY) - JANE 或 MARY 子字符串。