Python 使用管道连接一组正则表达式时出现正则表达式模块错误

为了提高性能，我尝试使用管道将一组正则表达式转换为一个正则表达式

   self.regexes_token = [
                {'descricao':'site www.', 'regex': r'^www\.(.+?)$'},
                {'descricao':'apenas pontuacao','regex':r'^[[:punct:]]+?$'},
                {'descricao':'palavra com sinal negativo', 'regex': r'^(-)(.*?)$', 'grupo': r'\2'},
                {'descricao':'pronomes e títulos', 'regex': r'^(sra?|exm[º|°|o]|dr[a|ª]?|(v\.)?ex\.?(a|ª)\.?)\.??$'},
                {'descricao':'oab sigla', 'regex': r'^oab\/[a-z]{2}$'},
                {'descricao':'termos irrelevantes', 'regex': r'^(s\/n|e\/ou|e-?mail|cep|rj|tel\.?(\/fax|efone)?|anos?|rua|cpf|www)\.?$'},
                {'descricao':'chassi (VIN)', 'regex': r'^[A-Za-z0-9]{1}[A-Za-z]{2}[A-Za-z0-9]{9}[\d+]{5}$'},
                {'descricao':'data_br', 'regex': r'^(?:(?:31(\/|-|\.)(?:0?[13578]|1[02]))\1|(?:(?:29|30)(\/|-|\.)(?:0?[1,3-9]|1[0-2])\2))(?:(?:1[6-9]|[2-9]\d)?\d{2})$|^(?:29(\/|-|\.)0?2\3(?:(?:(?:1[6-9]|[2-9]\d)?(?:0[48]|[2468][048]|[13579][26])|(?:(?:16|[2468][048]|[3579][26])00))))|(?:0?[1-9]|1\d|2[0-8])(\/|-|\.)(?:(?:0?[1-9])|(?:1[0-2]))\4(?:(?:1[6-9]|[2-9]\d)?\d{2})$'},
                {'descricao':'um char e ponto', 'regex': r'^\w[[:punct:]]$'},
                {'descricao':'rg','regex': r'^\d{2}\.\d{3}\.\d{3}-\d(\/.*)?'},
                {'descricao':'unidades de medidas', 'regex': r'^(\d{1,2},?x?)+(cm|m(l|²|2|m)?|k(g|m))$'},
                {'descricao':'zero seguido de qualquer coisa', 'regex': r'^0(.*)$'},
                {'descricao':'::punct:: seguido de qualquer coisa','regex':r'^[[:punct:]](.+?)$'},
                {'descricao':'telefone avulso', 'regex': r'^\d{4,5}-\d{4}$'},
                {'descricao':'ano', 'regex': r'\b(19|20)\d{2}\.?\b'},
                {'descricao':'contém char especial', 'regex': r'^.*?(~|\^|¿|¡|>|<|»|#|£|\?|»|·|#|\*|=|\+|¥|€|\||µ|®)+.*?$'}
            ]
            
            
            self.regexes_token_union = r'('+'|'.join([d['regex'] for d in self.regexes_token])+r')'
            print(self.regexes_token_union)

我用notepad++查看了“col”的位置，但即使这样，我也无法检测到这是什么打开的组

“令人困惑的事情”是，当我在循环上运行每个正则表达式时，它工作得很好（但性能不好）

---

那么，如何解决这个问题呢？

这里的基本错误是，当您将正则表达式与

|

组合时，组运算符

\2

将不会引用表达式中试图引用它的第二个组，而是引用组合正则表达式中带括号的第二个组

部分修复方法是在任何地方使用非分组括号，除非您确实需要引用回一个组。更好的解决方法是在需要命名组的地方定义它们，这样您就可以按名称而不是按编号引用它们

实际的错误消息试图在

r'^(?:(?:31(\/|-|\.)(?:0?[13578]|1[02]))\1...

您不能使用

\1

，因为以第一个开括号开头的组尚未定义，因为我们还没有看到它的右括号。第一个组是从

r'（“+”|“.join（…）+r'）”

开始的，因此您必须至少对其重新编号，以匹配组合正则表达式的编号，但同样，这几乎是不可维护的，并且很容易用命名组避免（至少在某种程度上是这样；如果您有很多命名组，那么跟踪名称冲突等也会成为一个问题）

可能您正试图返回到捕获的日期分隔符？如果是，请尝试

r'^(?:(?:31(?P<sep>[-/.])(?:0?[13578]|1[02]))(?P=sep)...

实际上不需要在联合表达式周围使用括号；它们不会添加任何内容

还请注意，在命名相应的组之后，我如何将

'grupo'：r'\2'

替换为

'grupo'：'palavra'

——显然需要修改代码，该代码尝试使用该组，而不是通过退出命名的组

在单个代码块中嵌入这样长而复杂的正则表达式确实是不可维护的。我没有尝试进一步重构代码，因为我并不假装理解它；但作为一个开始，您可能希望拆分庞大的正则表达式并将其拆分为几行，如

                {'descricao':'data_br',
                 'regex': r'(?:(?:31(?P<sep>/|-|\.)(?:0?[13578]|1[02]))(?P=sep)|'
                          r'(?:(?:29|30)(?P<sep2>/|-|\.)(?:0?[1,3-9]|1[0-2])(?P=sep2)))(?:(?:1[6-9]|[2-9]\d)?\d{2})$|'
                          r'^(?:29(?P<sep3>/|-|\.)0?2(?P=sep3)(?:(?:(?:1[6-9]|[2-9]\d)?(?:0[48]|[2468][048]|[13579][26])|'
                          r'(?:(?:16|[2468][048]|[3579][26])00))))|(?:0?[1-9]|1\d|2[0-8])(?P<sep4>/|-|\.)'
                          r'(?:(?:0?[1-9])|(?:1[0-2]))(?P=sep4)(?:(?:1[6-9]|[2-9]\d)?\d{2})$'
                },

{'descripcao'：'data\u br'，
“regex”：r'（？：（？：31（？P/？-？\）（？：0？[13578]| 1[02]）（？P=sep）|”
r’（？：（？：29 | 30）（？：P/|-|\）（？：0？[1,3-9]| 1[0-2]）（？：（？：（？：1[6-9]|[2-9]\d）？\d{2}）$'
r'^（：29（？P/）-| \）0？2（？P=sep3）（？：（？：（？：1[6-9]|[2-9]\d）？（？：0[48]|[2468][048]|[13579][26]）
r’（？：（？：16 |[2468][048]|[3579][26]）））（r’（？：0 |[1-9]|[1-d | 2[0-8]）（？P/|-| \）
r’（？：（？：0？[1-9]）|（？：1[0-2]））（？：（？：1[6-9]|[2-9]\d）；\d{2}）$”
},

---

更好的方法是，使用

re.X

标志，并在几行上编写带有嵌入注释的正则表达式。

注意，正则表达式中的反向引用在生成的大正则表达式中被弄乱了。尝试隔离问题。对前3个表达式进行并集，然后对前4个表达式进行并集，直到出现错误。这至少应该是正确的下面是给你带来麻烦的表达式。值得一提的是，你会在stock

re

中遇到同样的错误；但是你真的应该把你的代码转换成a，这样我们就不必猜测你是如何编译正则表达式的。

ano

末尾的

\b

可能也没有做你希望做的事情，但是有太多的错误我已经在这里了--我真的希望你更新你的问题，把重点放在这个问题上，并回顾一下，以寻求进一步的帮助。

r'^(?:(?:31(?P<sep>[-/.])(?:0?[13578]|1[02]))(?P=sep)...

                {'descricao':'data_br',
                 'regex': r'(?:(?:31(?P<sep>/|-|\.)(?:0?[13578]|1[02]))(?P=sep)|'
                          r'(?:(?:29|30)(?P<sep2>/|-|\.)(?:0?[1,3-9]|1[0-2])(?P=sep2)))(?:(?:1[6-9]|[2-9]\d)?\d{2})$|'
                          r'^(?:29(?P<sep3>/|-|\.)0?2(?P=sep3)(?:(?:(?:1[6-9]|[2-9]\d)?(?:0[48]|[2468][048]|[13579][26])|'
                          r'(?:(?:16|[2468][048]|[3579][26])00))))|(?:0?[1-9]|1\d|2[0-8])(?P<sep4>/|-|\.)'
                          r'(?:(?:0?[1-9])|(?:1[0-2]))(?P=sep4)(?:(?:1[6-9]|[2-9]\d)?\d{2})$'
                },