非捕获组中的正则表达式捕获组

Question

在Python中，如何在非捕获组内捕获一个组？换句话说，如何重复包含捕获组的非捕获子模式？

一个例子是在导入字符串中捕获所有的软件包名称。例如以下字符串：

``` import pandas, os, sys ```

将返回'pandas'、'os'和'sys'。下面的模式捕获第一个包并一直到第二个包：

import\s+([a-zA-Z0=9]*),*\s*

从这里开始，我想重复捕获组并匹配以下字符的子模式，即([a-zA-Z0=9]*),*\s*。当我用一个非捕获组包围这个子模式并重复它时:

import\s+(?:([a-zA-Z0=9]*),*\s*)*

它不再捕获组内的内容。

- Bryce93

---

如果您想要该功能，请使用PyPi正则表达式模块。 - Wiktor Stribiżew

问题不在于捕获组和非捕获组，而是尝试获取未设置的变量数量以供进一步使用。使用*来捕获组几乎永远不会产生您要查找的结果。这通常不是正则表达式的用途。相反，理性的做法是获取整个导入包集，然后通过,\s*(?=\w)或类似方式拆分字符串。 - Andris Leduskrasts

这个回答解决了你的问题吗？如何重复一个捕获组一次或多次并提取匹配项 - outis

Answer 1

你的问题严格涉及正则表达式，但如果你愿意使用递归下降解析器（例如pyparsing），许多需要对正则表达式有专业知识的事情变得非常简单。

例如，这里你所询问的变成了：

from pyparsing import *

p = Suppress(Literal('import')) + commaSeparatedList

>>> p.parseString('import pandas, os, sys').asList()
['pandas', 'os', 'sys']

>>> p.parseString('import                    pandas,             os').asList()
['pandas', 'os']

---

这可能是个人口味的问题，但对我来说，

Suppress(Literal('import')) + commaSeparatedList

比正则表达式更直观。

- Ami Tavory

Answer 2

重复捕获组将仅捕获最后一次迭代。这就是为什么您需要重新构造您的正则表达式以与re.findall一起使用。

\s*
(?:
  (?:^from\s+
    (  # Base (from (base) import ...)
      (?:[a-zA-Z_][a-zA-Z_0-9]*  # Variable name
        (?:\.[a-zA-Z_][a-zA-Z_0-9]*)*  # Attribute (.attr)
      )
    )\s+import\s+
  )
|
  (?:^import\s|,)\s*
)
(  # Name of imported module (import (this))
  (?:[a-zA-Z_][a-zA-Z_0-9]*  # Variable name
    (?:\.[a-zA-Z_][a-zA-Z_0-9]*)*  # Attribute (.attr)
  )
)
(?:
  \s+as\s+
  (  # Variable module is imported into (import foo as bar)
    (?:[a-zA-Z_][a-zA-Z_0-9]*  # Variable name
      (?:\.[a-zA-Z_][a-zA-Z_0-9]*)*  # Attribute (.attr)
    )
  )
)?
\s*
(?=,|$)  # Ensure there is another thing being imported or it is the end of string

在regex101.com上试一试

捕获组0将是Base，捕获组1将是（你想要的）导入模块的名称，捕获组2将是模块所在的变量（from (group 0) import (group 1) as (group 2)）

import re

regex = r"\s*(?:(?:^from\s+((?:[a-zA-Z_][a-zA-Z_0-9]*(?:\.[a-zA-Z_][a-zA-Z_0-9]*)*))\s+import\s+)|(?:^import\s|,)\s*)((?:[a-zA-Z_][a-zA-Z_0-9]*(?:\.[a-zA-Z_][a-zA-Z_0-9]*)*))(?:\s+as\s+((?:[a-zA-Z_][a-zA-Z_0-9]*(?:\.[a-zA-Z_][a-zA-Z_0-9]*)*)))?\s*(?=,|$)"

print(re.findall(regex, "import pandas, os, sys"))

[('', 'pandas', ''), ('', 'os', ''), ('', 'sys', '')]

如果您不需要它们，可以删除另外两个捕获组。

- Artyer

Answer 3

你可以使用你的正则表达式import\s+(?:([a-zA-Z0-9=]+),*\s*)*（我刚刚修复了0-9范围以匹配任何数字，并包含=到结尾），并使用PyPi regex模块访问第1组捕获堆栈：

>>> import regex
>>> s = 'import pandas, os, sys'
>>> rx = regex.compile(r'^import\s+(?:([a-zA-Z0-9=]+),*\s*)*$')
>>> print([x.captures(1) for x in rx.finditer(s)])
[['pandas', 'os', 'sys']]

- Wiktor Stribiżew