Python 正则表达式查找连字符后非数字范围的匹配组，如果范围不存在则忽略模式的其余部分

Question

我对更高级的正则表达式概念比较陌生，开始研究后视和前视，但我感到困惑，需要一些指导。我有一个场景，我可能有几个不同类型的发布 zip，名称如下：

v1.1.2-beta.2.zip
v1.1.2.zip

我想写一个可以在两种类型中找到匹配组的单行正则表达式。例如，如果文件类型是第一个 zip，我想要三个匹配组，如下所示：

v1.1.2-beta.2.zip
Group 1: v1.1.2
Group 2: beta
Group 3. 2

或者如果第二个 zip one 匹配组：

v1.1.2.zip
Group 1: v1.1.2

这是我开始感到困惑的地方，因为我假设正则表达式需要断言连字符是否存在，如果不存在，则只查找一个匹配组，如果找不到其他 3 个。

(v[0-9.]{0,}).([A-Za-z]{0,}).([0-9]).zip

这是我写的初始正则表达式成功匹配第一种类型但没有条件。我正在考虑做一些事情，比如匹配连字符后的非数字组范围，但不能完全让它工作，也不知道让它忽略模式的其余部分，如果不接受，只接受第一组找到连字符

([\D]{0,}(?=[-]) # Does not work

有人能给我指出正确的方向吗？

Answer 1

我们可以使用下面的正则表达式：

(v\d+(?:\.\d+)*)(?:[-]([A-Za-z]+))?((?:\.\d+)*)\.zip

这会产生三组：第一组是版本，第二组是可选的：破折号 - 后跟字母字符，然后是可选的点序列，后跟数字，最后是 .zip.

如果我们忽略 \.zip 后缀（好吧，我认为这是相当微不足道的），那么仍然有三组：

(v\d+(?:\.\d+)*)：以 v 开头后跟 \d+（一个或多个数字）的正则表达式组。然后我们有一个 non-capture 组（一个以 (?:..) 开头的组捕获 \.\d+ 一个点后跟一个或多个数字的序列。我们重复这样子组零次或多次。

(?:[-]([A-Za-z]+))?：一个以连字符 [-] 开头，然后是一个或多个 [A-Za-z] 字符的捕获组。然而，捕获组是可选的（末尾的 ?）。

((?:\.\d+)*): 一个组又具有这样的 \.\d+ 非捕获子组，所以我们捕获一个点后跟一串数字，并且此模式重复零次或多次。

例如：

rgx = re.compile(r'(v\d+(?:\.\d+)*)([-][A-Za-z]+)?((?:\.\d+)*)\.zip')

然后我们得到：

>>> rgx.findall('v1.1.2-beta.2.zip')
[('v1.1.2', '-beta', '.2')]
>>> rgx.findall('v1.1.2.zip')
[('v1.1.2', '', '')]

Answer 2

您可以使用 re.findall:

import re
s = ['v1.1.2-beta.2.zip', 'v1.1.2.zip']
final_results = [re.findall('[a-zA-Z]{1}[\d\.]+|(?<=\-)[a-zA-Z]+|\d+(?=\.zip)', i) for i in s]
groupings = ["{}\n{}".format(a, '\n'.join(f'Group {i}: {c}' for i, c in enumerate(b, 1))) for a, b in zip(s, final_results)]
for i in groupings:
  print(i)
  print('-'*10)

输出：

v1.1.2-beta.2.zip
Group 1: v1.1.2
Group 2: beta
Group 3: 2
----------
v1.1.2.zip
Group 1: v1.1.2.
----------

请注意，从 re.findall 获得的结果是：

[['v1.1.2', 'beta', '2'], ['v1.1.2.']]

Answer 3

下面是我将如何使用 re.search 来解决这个问题。请注意，我们在这里不需要环顾四周；只需一个相当复杂的模式就可以完成这项工作。

import re

regex = r"(v\d+(?:\.\d+)*)(?:-(\w+)\.(\d+))?\.zip"

str1 = "v1.1.2-beta.2.zip"
str2 = "v1.1.2.zip"
match = re.search(regex, str1)

print(match.group(1))
print(match.group(2))
print(match.group(3))

print("\n")
match = re.search(regex, str2)

print(match.group(1))

v1.1.2
beta
2

v1.1.2

Demo

如果您没有大量使用正则表达式的经验，提供每个步骤的解释可能不会让您加快速度。不过，我会评论一些括号中出现的 ?: 的使用。在这种情况下，?: 告诉正则表达式引擎 not 捕获里面的内容。我们这样做是因为您只想捕获（最多）三个特定的东西。

Python 正则表达式查找连字符后非数字范围的匹配组，如果范围不存在则忽略模式的其余部分

Python Regex Find match group of range of non digits after hyphen and if range is not present ignore rest of pattern

python

regex

lookahead

lookbehind

lookaround

Demo