Python中的正则表达式嵌套括号

Question

我有一个类似这样的东西：

Othername California (2000) (T) (S) (ok) {state (#2.1)}

有没有正则表达式代码可以获得以下内容：

Othername California ok 2.1

即，我希望保留大括号内的圆括号中的数字，并保留在其中的“ok”文本。如果我的行中包含该字符串“ok”，我需要特别打印出它，但我想要摆脱括号内的其他文本，例如（V），（S）或（2002）。

我知道使用正则表达式可能不是处理此类问题的最有效方法。

任何帮助都将不胜感激。

编辑：

由于某些信息不可用而未包含在该行中，因此该字符串可能会有所变化。 文本本身也是可变的（例如，我没有每行的“state”）。 因此，例如，可以有：

Name1 Name2 Name3 (2000) (ok) {edu (#1.1)}
Name1 Name2 (2002) {edu (#1.1)}
Name1 Name2 Name3 (2000) (V) {variation (#4.12)}

- user2447387

---

数据的顺序严格吗？例如：“某个状态（年份）（。）（。）（好吗？）{状态（#数字）}”？如果是这种情况，我认为您需要使用拆分函数：http://www.pythonforbeginners.com/python-strings/python-split/ - fodma1

不，实际上这可能因行而异，仅在可用时包括信息。 - user2447387

必须转义正则表达式字符。字符(){}必须用“\”进行转义，例如：{。 在网址http://www.gskinner.com/RegExr/中进行测试。 - A. M. Mérida

真正的挑战在于匹配 2.1，如果我们想考虑它的多个实例，例如 {state (#2.1) yellow (33)}，那么这将会更加困难。这种情况的问题在于：你“理论上”有两种解决方法：1) 向前和向后查找是否有 {}，但问题在于大多数正则表达式（包括 Python）中的向后查找必须是固定长度的 2) 使用子组匹配，类似于 \{(?:.*?\((\w+)\).*?)+\}，但这在大多数正则表达式中都不可用。因此，我认为仅凭正则表达式的力量，你的任务是不可能完成的。 - HamZa

你能发布更多可能输入的例子吗？不清楚字符串的哪些部分保持不变，哪些可能会变化。 - georg

@thg435 抱歉..我刚刚编辑了问题。不幸的是，大部分行可能会有所不同。我想唯一区分事物的方法就是看括号。 - user2447387

Answer 1

正则表达式

(.+)\s+\(\d+\).+?(?:\(([^)]{2,})\)\s+(?={))?\{.+\(#(\d+\.\d+)\)\}

用于测试的文本

Name1 Name2 Name3 (2000) {Education (#3.2)}
Name1 Name2 Name3 (2000) (ok) {edu (#1.1)}
Name1 Name2 (2002) {edu (#1.1)}
Name1 Name2 Name3 (2000) (V) {variation (#4.12)}
Othername California (2000) (T) (S) (ok) {state (#2.1)}

测试

>>> regex = re.compile("(.+)\s+\(\d+\).+?(?:\(([^)]{2,})\)\s+(?={))?\{.+\(#(\d+\.\d+)\)\}")
>>> r = regex.search(文本)
>>> r
<_sre.SRE_Match object at 0x54e2105f36c16a48>
>>> regex.match(文本)
<_sre.SRE_Match object at 0x54e2105f36c169e8>
# 运行 findall
>>> regex.findall(文本)
[
   (u'Name1 Name2 Name3'   , u''  , u'3.2'),
   (u'Name1 Name2 Name3'   , u'ok', u'1.1'),
   (u'Name1 Name2'         , u''  , u'1.1'),
   (u'Name1 Name2 Name3'   , u''  , u'4.12'),
   (u'Othername California', u'ok', u'2.1')
]

- Stephan

---

很酷。你是如何生成正则表达式图的？ - phimuemue

不幸的是，它不能在我所有的文本行上工作并且会出现错误。我猜问题在于文本字符串一直在变化。例如，可能会有其他单词代替“state”，也可能有多个单词代替它。唯一的重复模式是括号的存在。 - user2447387

@phimuemue 我使用了http://www.debuggex.com/。该网站有一个选项，可以在SO上嵌入任何正则表达式。 - Stephan

@user2447387，尝试将stats\s+替换为.+。 - Stephan

抱歉，再问一句。如果我需要捕获括号内的年份字符串，例如2000年，怎么办？谢谢。 - user2447387

Answer 2

尝试这个：

import re

thestr = 'Othername California (2000) (T) (S) (ok) {state (#2.1)}'

regex = r'''
    ([^(]*)             # match anything but a (
    \                   # a space
    (?:                 # non capturing parentheses
        \([^(]*\)       # parentheses
        \               # a space
    ){3}                # three times
    \(([^(]*)\)         # capture fourth parentheses contents
    \                   # a space
    {                   # opening {
        [^}]*           # anything but }
        \(\#            # opening ( followed by #
            ([^)]*)     # match anything but )
        \)              # closing )
    }                   # closing }
'''

match = re.match(regex, thestr, re.X)

print match.groups()

输出：

('Othername California', 'ok', '2.1')

以下是压缩版本:

import re

thestr = 'Othername California (2000) (T) (S) (ok) {state (#2.1)}'
regex = r'([^(]*) (?:\([^(]*\) ){3}\(([^(]*)\) {[^}]*\(\#([^)]*)\)}'
match = re.match(regex, thestr)

print match.groups()

- gitaarik

Answer 3

尽管我在评论中说了什么，但我已经找到了一个解决方法：

(?(?=\([^()\w]*[\w.]+[^()\w]*\))\([^()\w]*([\w.]+)[^()\w]*\)|.)(?=[^{]*\})|(?<!\()(\b\w+\b)(?!\()|ok

解释：

说明：

(?                                  # If
(?=\([^()\w]*[\w.]+[^()\w]*\))      # There is (anything except [()\w] zero or more times, followed by [\w.] one or more times, followed by anything except [()\w] zero or more times)
\([^()\w]*([\w.]+)[^()\w]*\)        # Then match it, and put [\w.] in a group
|                                   # else
.                                   # advance with one character
)                                   # End if
(?=[^{]*\})                         # Look ahead if there is anything except { zero or more times followed by }

|                                   # Or
(?<!\()(\b\w+\b)(?!\()              # Match a word not enclosed between parenthesis
|                                   # Or
ok                                  # Match ok

在线演示

- HamZa

---

抱歉如果我问得有些多（我是Python和编程的新手）...你能给我一些其他的代码行来测试吗？（我已经尝试使用re.sub，但它给了我一个错误。谢谢！） - user2447387

我已经尝试在re.sub中替换您的正则表达式，并在第一个答案代码中使用它，但是出现错误...让我再试一下... - user2447387

似乎Python不支持这种if/else语句，请尝试使用(?:(?=\([^()\w]*[\w.]+[^()\w]*\))\([^()\w]*([\w.]+)[^()\w]*\)|(?!\([^()\w]*[\w.]+[^()\w]*\)).)(?=[^{]*\})|(?<!\()(\b\w+\b)(?!\()|ok。 - HamZa

这次没有错误，但我得到了错误的输出。使用字符串“Name1 Name2 Name3 (2000) (V) {variation (#4.12)}”，我得到了“Name1 Name2 Name3 (2000) (V) }” - user2447387

@user2447387 我给你的问题点了赞，这样你就可以获得20个声望值，现在你或许可以在Python聊天室寻求帮助。 - HamZa

Answer 4

另一种情况是：

^(\w+\s?\w+)\s?\(\d{1,}\)\s?\(\w+\)\s?\(\w+\)\s?\((\w+)\)\s?.*#(\d.\d)

- A. M. Mérida