带fall-through的重复正则表达式

Question

假设你有这个字符串：'catdogfoxcat'

我可以使用以下正则表达式轻松地将其拆分： re.compile('(dog)|(cat)|(fox)').findall(the_string)

在python中，结果是：

[('', 'cat', ''),
 ('dog', '', ''),
 ('', '', 'fox'),
 ('dog', '', ''),
 ('dog', '', ''),
 ('', '', 'fox'),
 ('', 'cat', '')]

太完美了

现在让我们将该字符串改为：“catdogaaadoggdogbcat”

如果第三个regex项是任意的（aaa/bbb/随便什么），我想不出怎么做。我想要这样的东西：re.compile('(dog)|(cat)|(.*?)').findall(the_string)

目前我得到以下结果，这是没有意义的

[('', 'cat', ''),
 ('dog', '', ''),
 ('', '', ''),
 ('', '', ''),
 ('', '', ''),
 ('dog', '', ''),
 ('dog', '', ''),
 ('', '', ''),
 ('', '', ''),
 ('', '', ''),
 ('', 'cat', ''),
 ('', '', '')]

这里出了什么问题？如何修复正则表达式

我更期待这样的结果：

[('', 'cat', ''),
 ('dog', '', ''),
 ('', '', 'aaa'),
 ('dog', '', ''),
 ('dog', '', ''),
 ('', '', 'bbb'),
 ('', 'cat', '')]

Answer 1

正则表达式将从\u字符串的位置0开始，或者更具体地说，从the_string[0]开始使用您提供的替代项搜索匹配项：首先是dog，如果没有找到，则是cat，最后是.*?（即“0项，除非我需要匹配更多项”）

如果正则表达式找不到dog或cat或.*?，则此时，它将在字符串中进一步插入一个字符：the_string[1]，然后在该新点重试

.*?表示匹配“零个或多个字符，尽可能少的次数”，这与表示“在the_string[0]位置匹配一个零长度的字符串”相同，它总是这样做：结果总是“空”

要做到这一点，最棘手的方法是说：dog或cat或“所有文本直到dog或cat”：

(dog)|(cat)|((?:(?!dog|cat).)*)

结果is this

它不是很干净，而且有点慢，所以您可能需要尝试另一种方法：删除文本中的所有dog和cat，剩下的就是您想要的剩余文本

Answer 2

第三个字符串是任意的，可能存在也可能不存在！ 就是这样

the_string='catdogaaadogdogbbbcat'
re.compile('(dog)|(cat)|(\w{3}?)').findall(the_string)
[('', 'cat', ''), ('dog', '', ''), ('', '', 'aaa'), ('dog', '', ''), ('dog', '', ''), ('', '', 'bbb'), ('', 'cat', '')]

希望有帮助

Answer 3

如果没有额外的条件，.*?将匹配任何空字符串。请求后跟dog、cat或文本结尾：

(dog)|(cat)|(.*?)(?=dog|cat|$)

演示：https://regex101.com/r/UPwom6/1