Python 正则表达式捕获括号中的文本，省略可选前缀

我正在尝试转换一些文档（Wikipedia文章），其中包含带有特定降价约定的链接。我想使这些是没有链接的读者友好。公约是：

应忽略管道和前面的文本以及括号，捕获模式为

[[Article Name | Display Name]]]

的双括号中的名称：

显示名称

模式的双括号中的名称应为 不带括号捕获：

文章名称

嵌套方法（产生所需结果） 我知道我可以在嵌套的

re.sub（）

表达式中处理#1和#2。例如，这就是我想要的：

s = 'including the [[Royal Danish Academy of Sciences and Letters|Danish Academy of Sciences]], [[Norwegian Academy of Science and Letters|Norwegian Academy of Sciences]], [[Russian Academy of Sciences]], and [[National Academy of Sciences|US National Academy of Sciences]].'

re.sub('\[\[(.*?\|)(.*?)\]\]','\\2',         # case 1
       re.sub('\[\[([^|]+)\]\]','\\1',s)     # case 2
)
# result is correct:
'including the Danish Academy of Sciences, Norwegian Academy of Sciences, Russian Academy of Sciences, and US National Academy of Sciences.'

单程方法（此处寻找解决方案） 为了提高效率和我自己的进步，我想知道是否有单通道方法

我尝试的内容：在可选的组1中，我想贪婪地捕获

[[

和

|

之间的所有内容（如果存在）。然后在组2中，我想捕获

]

之前的所有内容。然后我只想返回第2组

我的问题是使贪婪捕获成为可选的：

re.sub('\[\[([^|]*\|)?(.*?)\]\]','\\2',s)
# does NOT return the desired result:
'including the Danish Academy of Sciences, Norwegian Academy of Sciences, US National Academy of Sciences.'
# is missing: 'Russian Academy of Sciences, and '

• \[{2}

  匹配

  [[

• （？：（？：（？！]{2}）[^ |]+\|）*

  匹配以下任意次数

  • （？：（？！]{2}）[^ |]+

    对任何字符进行一次或多次匹配，但
    或与

    ]匹配的位置除外。]

  • \\\\\\\

    按字面意思匹配

• （（？：（？！]{2}）[^ |]+）

  将以下内容捕获到捕获组1中

  • （？：（？！]{2}）[^ |]+

    对任何字符进行一次或多次匹配，但
    或与

    ]匹配的位置除外。]

• ]{2}

  匹配

  ]]

更换

\1

结果:

including the Danish Academy of Sciences, Norwegian Academy of Sciences, Russian Academy of Sciences, and US National Academy of Sciences.

另一个可能对你有用的选择是以下。它没有上面的正则表达式那么具体，但不包括任何lookarounds

\[{2}(?:[^]|]+\|)*([^]|]+)]{2}

---

那怎么办？我想那是可行的，如果你想回答的话，那就去吧。我感兴趣的是，这件事是否可以不用回头看或回头看。看起来嵌套的子类会更快，但需要进行测试。您是否想过使用python库在html标记中转换wiki标记-克里奥尔标记？我补充了一个答案。我还在答案中添加了第二个正则表达式，如果您愿意，它不使用lookarounds，但它没有那么具体。我的意思是，如果字符串中包含

]

，它将停止在那里（而不是

]

）@Lupanoide我不知道这是一件事——谢谢。是的，我正在寻找的是另一种选择。它起作用（我的尝试没有起作用）的一个原因是，它还从可选前缀中排除了右括号和管道。谢谢

\[{2}(?:[^]|]+\|)*([^]|]+)]{2}