如何将替代方案与 python regex 匹配

Question

给定字符串 1：

'''TOM 喜欢去游泳，MARY 喜欢去游乐场，JANE 喜欢去购物'''

我只想捕获两个名字之间的文本。要么汤姆和玛丽要么汤姆和简。如果 Mary 出现在 Jane 之前，我想捕捉 Tom 和 Mary 之间的文本。但是，如果 Jane 先出现，我想捕获 Tom 和 Jane 之间的文本。

我编写了以下代码：

text = re.compile(r'''(
            TOM\s*
            ([\w\W]+)\s*
            JANE|MARY
            )''', re.VERBOSE)

text_out = text.search(string).group(1)

然而，即使玛丽先出现，这段代码也会给我汤姆和简之间的文本。我明白这是因为管道函数从左到右读取，因此会首先匹配 Jane。有没有办法对此进行编码，使其取决于谁首先出现在文本中？

例如，在字符串 2 中：“'''TOM 喜欢去游泳 JANE 喜欢去购物 MARY 喜欢去游乐场 '''

我想为 string2 捕获 Tom 和 Jane 之间的文本。

Answer 1

您需要修复您的交替，它必须用非捕获 group 括起来(?:JANE|MARY)，并使用惰性量词 with [\w\W]（我将替换为.*并使用re.DOTALL修饰符使点也匹配换行符）：

(?s)TOM\s*(.+?)\s*(?:JANE|MARY)

查看正则表达式演示

如果没有(?:...|...)，则您的正则表达式匹配Tom，然后匹配任何 1+ 个尽可能多的字符（即，正则表达式抓取整个字符串，然后回溯以匹配后续子模式的最后一次出现，JANE）和JANE，或MARY子字符串。现在，固定的正则表达式匹配：

• (?s) - DOTALL 内联修饰符
• TOM - 文字字符序列
• \s* - 0+ 个空格
• (.+?)- 第 1 组（捕获）：任何 1+ 个字符，尽可能少，直到第一次出现后续子模式......
• \s* - 0+ 个空格
• (?:JANE|MARY)- 要么JANE或MARY子字符串。