python中的正则表达式嵌套括号

Posted 2023-02-23

【中文标题】python中的正则表达式嵌套括号

【英文标题】：Regex nested parenthesis in python

【发布时间】：2013-06-14 09:12:30

【问题描述】：

我有这样的事情：

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

是否有正则表达式代码获取：

Othername California ok 2.1

即我想将数字保留在圆括号内，而圆括号又在 内，并将文本“ok”保留在 () 内。 如果包含在我的行中，我特别需要打印字符串“ok”，但我想去掉括号内的其他文本，例如 (V)、(S) 或 (2002)。

我知道正则表达式可能不是处理此类问题的最有效方法。

任何帮助将不胜感激。

编辑：

字符串可能会有所不同，因为如果某些信息不可用，则不包含在该行中。文本本身也是可变的（例如，我没有每一行的“状态”）。所以可以有例如：

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

【问题讨论】：

数据的顺序是否严格？ （例如：“Something state (year) (.) (.) (ok?) state (#number)”？在这种情况下，我认为您需要使用拆分功能：pythonforbeginners.com/python-strings/python-split

不，实际上可能因行而异，仅在可用时才包含信息

必须转义正则表达式字符。字符 () 必须转义为：“\” 例如：\。在 url 中测试：gskinner.com/RegExr

真正的挑战是在这里匹配2.1，如果我们想考虑它的多个实例，例如state (#2.1) yellow (33)，这将非常困难。这种情况的问题在于：你“理论上”有两种方法可以解决它：1)如果有，则向前看和向后看，问题是必须向后看大多数正则表达式风格中的固定长度（python 相同）2) 使用子组匹配，例如\(?:.*?\((\w+)\).*?)+\，这在大多数正则表达式风格中不可用。因此，我认为纯正则表达式功能是不可能完成您的任务的。

您能否发布更多可能输入的示例？目前尚不清楚字符串的哪些部分保持不变，哪些部分可能会有所不同。

【参考方案1】：

正则表达式

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

用于测试的文本

Name1 Name2 Name3 (2000) 教育 (#3.2) Name1 Name2 Name3 (2000) (ok) edu (#1.1) 姓名 1 姓名 2 (2002) edu (#1.1) Name1 Name2 Name3 (2000) (V) 变体 (#4.12) 别名加利福尼亚 (2000) (T) (S) (ok) state (#2.1)

测试

>>> 正则表达式 = re.compile("(.+)\s+\(\d+\).+?(?:\(([^)]2,)\)\s+(?=)) ?\.+\(#(\d+\.\d+)\)\") >>> r = 正则表达式。搜索（字符串） >>> r <_sre.sre_match> >>> 正则表达式匹配（字符串） <_sre.sre_match> # 运行 findall >>> 正则表达式.findall（字符串） [ (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') ]

【讨论】：

酷。您是如何生成正则表达式图的？

不幸的是，它不适用于我的所有文本行并给出错误。我想问题在于文本刺痛一直在变化。例如。可能有其他词代替“状态”，也可能有多个词代替它。唯一的循环模式由括号的存在给出

@phimuemue 我使用了debuggex.com。网站上有一个选项可以在 SO 上嵌入任何正则表达式。

@user2447387 所以尝试用.+替换stats\s+

我不知道为什么，但是用我数据库中的另一行测试它不起作用：“Name1 Name2 Name3 (2000) Education (#3.2)”。它给了我“AttributeError：'NoneType'对象没有属性'groups'”。不幸的是，如果信息不可用，有时信息不会出现在行中

【参考方案2】：

试试这个：

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')

这是压缩版：

import re

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

print match.groups()

【参考方案3】：

尽管我在 cmets 中说过。我找到了解决办法：

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

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

Online demo

【讨论】：

对不起，如果我问（我是 python 和一般编码的新手）..你能给我一些其他几行来测试这个（我试过 re.sub 但它给我一个错误。谢谢！

我尝试在 re.sub 和第一个答案代码中替换您的正则表达式，但它给了我一个错误...让我再试一下...

python好像不支持这种if/else语句，试试(?:(?=\([^()\w]*[\w.]+[^()\w]*\))\([^()\w]*([\w.]+)[^()\w]*\)|(?!\([^()\w]*[\w.]+[^()\w]*\)).)(?=[^]*\)|(?<!\()(\b\w+\b)(?!\()|ok

这次没有错误，但我得到了错误的输出。使用 "Name1 Name2 Name3 (2000) (V) variation (#4.12)" 作为字符串，我得到： "Name1 Name2 Name3 (2000) (V) "

@user2447387 我赞成您的问题，以便您获得 20 个代表，您现在可以在 python chatroom 寻求帮助。

【参考方案4】：

其他情况是：

^(\w+\s?\w+)\s?\(\d1,\)\s?\(\w+\)\s?\(\w+\)\s?\((\w+)\)\s?.*#(\d.\d)