Python 锚定到最后一场比赛结束

在开发过程中，我偶然发现了Python重复正则表达式的一个异常

假设给我一个CSV字符串，其中包含任意数量的带引号和不带引号的元素：

21,2，'23.5R25 ETADT'，'description，带逗号'

我想用

'\t'

替换所有的

，'

s外部引号。所以我想要一个输出：

21\t2\t“23.5R25 ETADT”\t“说明，带逗号”

由于字符串中自然会有多个匹配项，因此我将使用

g

regex修饰符。我将使用的正则表达式将匹配引号外的字符或后跟

，'

的带引号的字符串：

('[^']*'|[^',]*),\s*

我将替换为：

\1\t

现在的问题是正则表达式正在搜索不匹配的字符，因此它可以选择跳过字符，直到匹配为止。因此，我得到的不是我想要的输出：

21\t2\t'23.5R25 ETADT'\t'description\t带逗号'

您可以在此处看到这种行为的一个实例：

有没有办法锚定一个

g

modified正则表达式，以便在上次匹配后在字符处开始匹配？

---

对于那些熟悉Perl强大的正则表达式的人，Perl提供了。这允许我们检索最后一个匹配位置的末尾。因此，在Perl中，我可以通过正则表达式实现我的要求：

\G('[^']*'|[^',]*),\s*

这将强制在最终引用的元素中出现不匹配。因为与其允许正则表达式实现找到正则表达式与

\G

匹配的点，不如强制它从以下字符的第一个字符开始匹配：

'说明，带逗号'

---

您可以将以下正则表达式与

re.search

一起使用：

,?\s*([^',]*(?:'[^']*'[^',]*)*)

请参阅（我将其更改为

，？[]*（[^'，\n]*（？：“[^'\n]*”[^'，\n]*）*）

，因为它是一个多行演示）

这里，regex匹配（在单词的regex含义中）

• ，？

  -1或0逗号

• \s*

  -0或更多空格

• （[^'，]*（？：“[^']*”[^'，]*）*）

  -组1存储捕获的文本，该文本由。。。

  • [^'，]*

    -0个或更多字符，而不是

    ，

    和

    '

  • （？：'[^']*'[^'，]*）*

    -0个或多个。。。

    • '[^']*'

      -一个类似于

      'string'

      -的子字符串，不包含撇号

    • [^'，]*

      -0个或更多字符，而不是

      ，

      和

      '

如果要使用

re.match

并将捕获的文本存储在捕获组中，这是不可能的，因为Python正则表达式引擎不会像.NET正则表达式引擎使用

CaptureCollection

那样将所有捕获存储在堆栈中

此外，Python正则表达式不支持

\G

运算符，因此您无法在此处成功匹配结束时锚定任何子模式

作为一种替代/解决方法，您可以使用以下Python代码返回连续的匹配，然后返回字符串的其余部分：

import re

def successive_matches(pattern,text,pos=0):
  ptrn = re.compile(pattern)
  match = ptrn.match(text,pos)
  while match:
    yield match.group()
    if match.end() == pos:
      break
    pos = match.end()
    match = ptrn.match(text,pos)
  if pos < len(text) - 1:
    yield text[pos:]

for matched_text in successive_matches(r"('[^']*'|[^',]*),\s*","21, 2, '23.5R25 ETADT', 'description, with a comma'"):
    print matched_text

---

看一看。或者更像是一个演示。@Stribizov是的，这两个都是可能的解决方法。如果这就是我所能做的，我也同意。但我想回答的是我们是否可以锚定这个搜索，或者强迫它匹配，而不仅仅是搜索。我想我明白了，如果你有任何疑问，请在我的答案下面加个评论。我的意思是，即使C++也能做到这一点。您只需要找到匹配的长度，然后从该点开始重新运行正则表达式。因此，即使在Python中，这也是可能的。它只需要一些正则表达式之外的腿部工作。请澄清您需要什么：从

21,2，'23.5R25 ETADT'，'description，with a comma'

抓取3个子字符串：

21

，

2

，

'23.5R25 ETADT'

？我已经编辑了这个问题，但我的目标是了解如何在同一条线上锚定多场比赛。没有找到一个正则表达式可以解决Python在这种特殊情况下缺少

\G

的问题。是的，就是这样。这就是我所说的，当我说它在Python中是可能的时候。该函数可以很容易地修改为只返回字符串的其余部分，以防出现不匹配的情况，在这种情况下，我们将获得我正在寻找的确切行为。我只是对我们必须为Perl的regex实现中一直存在的东西编写函数感到恼火。@每个人我都接受这个答案，因为编辑提供了Python最接近于模拟Perl的

\G

功能的东西

\G

是在Perl 5中引入的。我们怎么没有这个功能？

21, 
2, 
'23.5R25 ETADT', 
'description, with a comma'