为什么我无法在Python中匹配正则表达式的最后一部分？

Question

我希望能够匹配一个包含可选结尾 'other (\\w+)' 的句子。例如，正则表达式应该匹配以下两个句子，并提取单词 'things'：

• The apple and other things.
• The apple is big.

我编写了下面的正则表达式。但是，我得到了一个结果为 (None,) 的结果。如果我删除最后一个 ?。我会得到正确的答案。为什么？

>>> re.search('\w+(?: other (\\w+))?', 'A and other things').groups()
(None,)
>>> re.search('\w+(?: other (\\w+))', 'A and other things').groups()
('things',)

- Yyao

---

因为在使用“？”之后，你预计会有更多的单词跟在“things”后面。 - tanjir

? 导致生成的正则表达式匹配前一个正则表达式的0或1次重复。（来自Python官方网站） - Kenly

Answer 1

如果您使用:

re.search(r'\w+(?: other (\w+))?', 'A and other things').group()

你将会看到正在发生的事情。由于\w+后面的任何内容都是可选项，所以你的search匹配第一个单词A。

根据官方文档：

.groups()

返回包含匹配中所有子组（从1到模式中存在的所有组）的元组。

你的search调用没有返回任何子组，因此你得到了：

re.search(r'\w+(?: other (\w+))?', 'A and other things').groups()
(None,)

为了解决您的问题，您可以使用基于替换的正则表达式：

r'\w+(?: other (\w+)|$)'

示例：

>>> re.search(r'\w+(?: other (\w+)|$)', 'A and other things').group()
'and'
>>> re.search(r'\w+(?: other (\w+)|$)', 'The apple is big').group()
'big'

- anubhava

Answer 2

正则表达式搜索的规则是它们产生最左侧最长的匹配。是的，如果可能的话，它会尝试给你更长的匹配，但最重要的是，当它找到第一个成功的匹配时，它会停止继续查找。

在第一个正则表达式中，\\w+ 匹配的最左侧点是 A。可选部分在那里不匹配，所以完成了。

在第二个正则表达式中，括号表达式是强制性的，所以 A 不匹配。因此，它继续查找。 \\w+ 匹配了 and，然后第二个 \\w+ 匹配了 things。

---

注意，在Python中使用正则表达式时，特别是那些包含反斜杠的表达式，最好使用r'原始字符串'进行编写。

- 200_success