Python正则表达式模块与重新模块 - 模式不匹配

Question

更新:此问题已由提交者在be893e9中解决

如果遇到同样的问题,请更新regex模块.
您需要2017.04.23或更高版本.

---

正如在这个答案中指出的, 我需要这个正则表达式:

(?i)\b((\w{1,3})(-|\.{2,10})[\t ]?)+(\2\w{2,})

与regex模块一起工作......

import re     # standard library
import regex  # https://pypi.python.org/pypi/regex/

content = '"Erm....yes. T..T...Thank you for that."'
pattern = r"(?i)\b((\w{1,3})(-|\.{2,10})[\t ]?)+(\2\w{2,})"
substitute = r"\2-\4"

print(re.sub(pattern, substitute, content))
print(regex.sub(pattern, substitute, content))

输出:

"Erm....yes. T-Thank you for that."
"-yes. T..T...Thank you for that."

---

问:我如何编写此正则表达式以使regex模块以与re模块相同的方式对其作出反应？

使用该re模块不是一个选项,因为我需要具有动态长度的后视镜.

为了澄清:如果正则表达式适用于两个模块会很好,但最后我只需要它regex

Answer 1

看来此错误与回溯有关。当重复捕获组，并且捕获组匹配但该组之后的模式不匹配时，会发生这种情况。

一个例子：

>>> regex.sub(r'(?:(\d{1,3})x)+', r'\1', '123x5')
'5'

供参考，预期输出为：

>>> re.sub(r'(?:(\d{1,3})x)+', r'\1', '123x5')
'1235'

在第一次迭代中，捕获组(\d{1,3})使用前3位数字，并x使用以下“ x”字符。然后，由于，+尝试进行第二次匹配。这次，(\d{1,3})匹配“ 5”，但x不匹配。但是，捕获组的值现在（重新）设置为空字符串，而不是期望的字符串123。

解决方法是，我们可以防止捕获组匹配。在这种情况下，将其更改(\d{2,3})为足以绕过该错误（因为它不再匹配“ 5”）：

>>> regex.sub(r'(?:(\d{2,3})x)+', r'\1', '123x5')
'1235'

至于所讨论的模式，我们可以使用前瞻性断言。我们更改(\w{1,3})为(?=\w{1,3}(?:-|\.\.))(\w{1,3})：

>>> pattern= r"(?i)\b((?=\w{1,3}(?:-|\.\.))(\w{1,3})(-|\.{2,10})[\t ]?)+(\2\w{2,})"
>>> regex.sub(pattern, substitute, content)
'"Erm....yes. T-Thank you for that."'