Python 使用Regex查找重复{}的组（）

我试图分析以下文本块以收集文化+亚文化（最好分别在第1组和第2组中）：

众神之家。极乐世界，阿瓦隆，人间天堂。--凯尔特人（将军）：麦克库洛赫凯尔特人14；爱尔兰：同上。37楼，114楼，十字架；威尔士：同上。193; Icel.：MacCulloch Eddic 312F。；印度教：彭泽一世125 n。1.犹太人：纽曼。--夏威夷：贝克汉姆神话67；所以是印地安人（Apapocuv\xe1瓜拉尼）：M\xe9traux RMLP XXXIII 122；非洲（方）：颤音130

到目前为止，我最好的尝试是使用以下正则表达式：

(\w+)\.?\:|(\w+\.?\s?){0,3}\((.*?)\)\:

其结果如下：

[(u'', u'Celtic ', u'general'), (u'Irish', u'', u''), (u'Welsh', u'', u''), (u'Icel', u'', u''), (u'Hindu', u'', u''), (u'Jewish', u'', u''), (u'Hawaii', u'', u''), (u'', u'Indian ', u'Apapocuv\xe1-Guarani'), (u'', u'Africa ', u'Fang')]  

问题在于，它在“Apapocuv\xe1 Guarani”之前只有“Indian”一词，而不是“Indian”。是印度人

以下是我对整个系统的逻辑/要求的分解：

第一组“

”（\w+）\？\：”

表示以a结尾的任何单词：（爱尔兰语、犹太人、夏威夷语、印度教）

第二组

“（\w+\.？\s？{0,3}”

专门用于获取“So.Am.Indian”这是我遇到问题的部分。我有印度人，但不是。是印度的我还需要一些变体，比如“So.Am.Indian，S.A.Indian，So.A.Indian，S.Am.Indian”

第三组

“\（.*？）\”

（连同第二部分）获得了额外的子部落，因此：非洲（方）

我希望将这些工作分为两组，但稍后我可以在代码中处理三组。如果有人有任何想法，我将不胜感激。

示例（javascript）

输出

---

向组中添加重复运算符（如

{0,3}

）的问题在于，每次匹配该组时，该组的反向引用都将被覆盖。如果要捕获整个重复匹配，需要使用嵌套组：

(\w+).?\:|((\w+.?\s?){0,3})((.*?))\:

(\w+).?\:|((?:\w+.?\s?){0,3})((.*?))\:

这将生成一个额外的反向引用（在本例中为

\2

），您可以忽略该引用，但如果这让您感到困扰，许多正则表达式引擎还为非引用组提供了

（？：）

语法：

(\w+).?\:|((\w+.?\s?){0,3})((.*?))\:

(\w+).?\:|((?:\w+.?\s?){0,3})((.*?))\:

---

哇，谢谢你！这非常有效，简化了我的两个小组，谢谢。我唯一的问题是（也许我没有尽可能清楚地说明）它不允许捕捉“So.Am.Indian”，而只是“Indian”。我需要能够理解前面是否有多达三个缩写词，例如“So.Am.Indian，S.A.Indian，So.A.Indian，S.Am.Indian”，如果您知道，请告诉我，并再次感谢。）Hrrmm。。。我尝试了这两种方法，但效果都不好。我正在使用python和re.findall，你能告诉我你在使用什么吗？谢谢