Python 正则表达式非贪婪表现得像贪婪

Question

我正在处理成绩单，但在以非贪婪方式匹配模式时遇到了问题。它仍然抢得太多，看起来像是在进行贪婪的比赛。

成绩单如下所示：

>> John Doe：大家好，我是John Doe。

>> 大家好，我是李四。

>> 感谢您的光临，我们将在两分钟后开始。

>> Sam Smith：[无音频]大家早上好。

要在 >>（任意姓名）: 中查找演讲者姓名，我写了

pattern=re.compile(r'>>(.*?):')
transcript='>> John doe: Hello, I am John Doe. >> Hello, I am Jane Doe. >> Thank you for coming, we will start in two minutes. >> Sam Smith: [no audio] Good morning, everyone.'
re.findall(pattern, transcript)

我期望 'John Doe' 和 'Sam Smith'，但它给了我 'John Doe' 和 'Hello, I am Jane Doe. >> Thank you for coming, we will start in two minutes. >> Sam Smith'

我很困惑，因为.*?是非贪婪的，（我认为）应该可以抢到'Sam Smith'。我应该如何修复代码，以便它只抓取任何内容 >>（随便什么名字）：？另外，我正在使用 Python 3.6.

谢谢！

Answer 1

你真的需要正则表达式吗？您可以拆分 >> 个提示，然后过滤掉您的名字。

>>> [i.split(':')[0].strip() for i in transcript.split('>>') if ':' in i]
['John doe', 'Sam Smith']

Answer 2

您对非贪婪正则表达式的理解略有偏差。非贪婪意味着它将匹配从开始匹配开始可能的最短匹配。如果在匹配中找到另一个字符，它不会更改开始匹配的字符。

例如：

start.*?stop

将匹配所有 startstartstop，因为一旦它在 start 处开始匹配，它将一直匹配直到找到停止。非贪婪只是意味着对于字符串 startstartstopstop，它只会匹配到第一站。

对于你的问题，这是一个使用正向前瞻很容易解决的问题。

您可以使用 >> ([a-zA-Z ]+)(?=:):

>>> transcript='>> John doe: Hello, I am John Doe. >> Hello, I am Jane Doe. >> Thank you for coming, we will start in two minutes. >> Sam Smith: [no audio] Good morning, everyone.'    
>>> re.findall(r'>> ([a-zA-Z ]+)(?=:)', transcript)
['John doe', 'Sam Smith']

Python 正则表达式非贪婪表现得像贪婪

Python regex non-greedy acting like greedy

python

regex

non-greedy

python-3.x

regex-greedy