python中的Regex可选匹配失败

Question

tickettypepat = (r'MIS Notes:.*(//p//)?.*')
retype = re.search(tickettypepat,line)
if retype:
  print retype.group(0)
  print retype.group(1)

给出输入。在

^{pr2}$

有人能告诉我为什么组（0）是

MIS Notes: //p// 

而第（1）组作为“无”返回？在

我最初使用regex是因为，在遇到问题之前，匹配比匹配更复杂//p//下面是完整的代码。我在这方面是个新手，所以请原谅我的无名小卒，我相信有更好的方法来实现这一点，如果有人想指出这些将是非常棒的。但是除了//[pewPEW]//的正则表达式过于贪婪的问题之外，它似乎是起作用的。我很感激你的帮助。在

---

获取文本并清理/转换某些内容

filename = (r'.\4-12_4-26.txt')
import re
import sys
#Clean up output from the web to ensure that you have one catagory per line
f = open(filename)
w = open('cleantext.txt','w')

origdatepat = (r'(Ticket Date: )([0-9]+/[0-9]+/[0-9]+),( [0-9]+:[0-9]+ [PA]M)')
tickettypepat = (r'MIS Notes:.*(//[pewPEW]//)?.*')

print 'Begining Blank Line Removal'
for line in f:
    redate = re.search(origdatepat,line)
    retype = re.search(tickettypepat,line)
    if line == ' \n':
        line = ''
        print 'Removing blank Line'
#remove ',' from time and date line    
    elif redate:
        line = redate.group(1) + redate.group(2)+ redate.group(3)+'\n'
        print 'Redating... ' + line

    elif retype:
        print retype.group(0)
        print retype.group(1)

        if retype.group(1) == '//p//':
            line = line + 'Type: Phone\n'
            print 'Setting type for... ' + line
        elif retype.group(1) == '//e//':
            line = line + 'Type: Email\n'
            print 'Setting type for... ' + line
        elif retype.group(1) == '//w//':
            line = line + 'Type: Walk-in\n'
            print 'Setting type for... ' + line
        elif retype.group(1) == ('' or None):
            line = line + 'Type: Ticket\n'
            print 'Setting type for... ' + line

    w.write(line)

print 'Closing Files'                 
f.close()
w.close()

---

这里有一些输入示例。在

Ticket No.: 20100426132 
Ticket Date: 04/26/10, 10:22 AM 
Close Date:  
Primary User: XXX
Branch: XXX
Help Tech: XXX
Status: Pending  
Priority: Medium  
Application: xxx
Description: some issue
Resolution: some resolution
MIS Notes: some random stuff //p// followed by more stuff
Key Words:  

Ticket No.: 20100426132 
Ticket Date: 04/26/10, 10:22 AM 
Close Date:  
Primary User: XXX
Branch: XXX
Help Tech: XXX
Status: Pending  
Priority: Medium  
Application: xxx
Description: some issue
Resolution: some resolution
MIS Notes: //p//
Key Words:  

Ticket No.: 20100426132 
Ticket Date: 04/26/10, 10:22 AM 
Close Date:  
Primary User: XXX
Branch: XXX
Help Tech: XXX
Status: Pending  
Priority: Medium  
Application: xxx
Description: some issue
Resolution: some resolution
MIS Notes: //e// stuff....
Key Words:  


Ticket No.: 20100426132 
Ticket Date: 04/26/10, 10:22 AM 
Close Date:  
Primary User: XXX
Branch: XXX
Help Tech: XXX
Status: Pending  
Priority: Medium  
Application: xxx
Description: some issue
Resolution: some resolution
MIS Notes:
Key Words:  

Answer 1

这个模式对你的目的来说是模棱两可的。最好按前缀或后缀对它们进行分组。在这里的示例中，我选择了前缀分组。基本上，如果//p//出现在行中，那么前缀是非空的。后缀将是//p//项之后的所有内容，或者是行中不存在的所有内容。在

import re
lines = ['MIS Notes: //p//',
    'MIS Notes: prefix//p//suffix']

tickettypepat = (r'MIS Notes: (?:(.*)//p//)?(.*)')
for line in lines:
    m = re.search(tickettypepat,line)
    print 'line:', line
    if m: print 'groups:', m.groups()
    else: print 'groups:', m

结果：

^{pr2}$

Answer 2

Regex是贪婪的，这意味着.*尽可能匹配整个字符串。所以没有什么可以匹配的可选组了。group(0)总是整个匹配的刺。在

从你的评论来看，你为什么要regex？这还不够：

if line.startswith('MIS Notes:'): # starts with that string
    data = line[len('MIS Notes:'):] # the rest in the interesting part
    if '//p//' in data:
        stuff, sep, rest = data.partition('//p//') # or sothing like that
    else:
        pass #other stuff

Answer 3

MIS Notes:.*(//p//)?.*的工作原理是这样的，在{}作为目标的例子中：

1. MIS Notes:匹配"MIS Notes:"，这里没有什么惊喜。在
2. .*立即运行到字符串的末尾（到目前为止匹配"MIS Notes: //p//"）
3. (//p//)?是可选的。什么也没发生。在
4. .*没有可匹配的内容，我们已经在字符串的末尾了。由于star允许前一个原子的匹配项为零，因此regex引擎停止将整个字符串报告为匹配项，并将子组报告为空。在

现在，当您将regex更改为MIS Notes:.*(//p//).*时，行为将发生变化：

1. MIS Notes:匹配"MIS Notes:"，这里仍然没有惊喜。在
2. .*立即运行到字符串的末尾（到目前为止匹配"MIS Notes: //p//"）
3. (//p//)是必需的。为了满足这一要求，引擎开始逐字回溯。（目前为止匹配"MIS Notes: "）
4. (//p//)可以匹配。子组1被保存并包含"//p//"。在
5. .*运行到字符串的末尾。提示：如果您对它匹配的内容不感兴趣，那么它是多余的，您可以删除它。在

现在，当您将regex更改为MIS Notes:.*?//(p)//时，行为将再次更改：

1. MIS Notes:匹配"MIS Notes:"，这里仍然没有惊喜。在
2. .*?是非贪心的，在它继续之前检查以下原子（match-to-to "MIS Notes: "）
3. //(p)//可以匹配。子组1被保存并包含"p"。在
4. 完成了。请注意，不会发生回溯，这样可以节省时间。在

现在，如果您知道在//p//之前不能有/，那么可以使用：MIS Notes:[^/]*//(p)//：

1. MIS Notes:匹配"MIS Notes:"，你明白了。在
2. [^/]*可以快进到第一个斜杠（这比.*?快）
3. //(p)//可以匹配。子组1被保存并包含"p"。在
4. 完成了。请注意，不会发生回溯，这样可以节省时间。这应该比版本3快。在