正则表达式在Python和regex101中的作用不同

Question

我有一个像这样的输入tsv文件

Hornus, Jean-Michel, pasteur->->           
Diepenbeek, H. F. W., 1...-1..., capitaine->1..->1..
Grosbellet, Bernard->->        
ʿĪsa->->       
Hacquet, Pierre-François, montfortain, Le P.->->       

我想有一个输出文件，看起来像这样

Hornus, Jean-Michel->->        
Diepenbeek, H. F. W.->1..->1..
Grosbellet, Bernard->->        
ʿĪsa->->       
Hacquet, Pierre-François->->           

我使用regex 101构建了我的regex，我得到了一个运行良好的： [^，]*，[^，]*（[^\t]*）\t

我的Python代码如下所示：

import re
fin = open("fin.txt", "rt")
fout = open("fout.txt", "wt")
for line in fin:
        line = re.sub(r"[^,]*,[^,]*([^\t]*)\t", "", line)
        fout.write(line)
fin.close()
fout.close()

我不明白的是，我的代码删除了所有带有逗号的行，而我的输出是

ʿĪsa->-> 

欢迎任何帮助

更新： 感谢社区，以下是我的解决方案：

import re
 
pattern = r"^([^,]*,[^,]*)[^\t]*(?=\t)"
 
fin = open("fin.txt", "rt")
fout = open("fout.txt", "wt")
for line in fin:
    result=re.sub(pattern, r"\1", line, 0, re.MULTILINE)
    if result:
        fout.write(result)

Answer 1

使用[^,]*可以选择匹配除逗号以外的任何字符，也可以匹配->（假设->；是tsv制表符分隔值中的制表符）

然后使用([^\t]*)\t捕获除制表符之外的任何字符，后跟制表符

但是，然后用一个空字符串替换整个匹配，删除刚刚匹配的所有内容

---

您可以切换模式中的第二个捕获组，并在替换中同时使用这两个组

^([^,]*,[^,]*)[^\t]*(\t)
 |                  |   
 group 1             group 2

Regex demo

或者使用带有前瞻性assering (?=\t)选项卡的单个捕获组：

^([^,]*,[^,]*)[^\t]*(?=\t)

Regex demo

范例

import re
 
pattern = r"^([^,]*,[^,]*)[^\t]*(?=\t)"
 
s = ("Hornus, Jean-Michel, pasteur      \n"
    "Diepenbeek, H. F. W., 1...-1..., capitaine 1.. 1..\n"
    "Grosbellet, Bernard        \n"
    "ʿĪsa       \n"
    "Hacquet, Pierre-François, montfortain, Le P.       ")
 
result = re.sub(pattern, r"\1", s, 0, re.MULTILINE)
 
if result:
    print (result)

输出

Hornus, Jean-Michel     
Diepenbeek, H. F. W.    1.. 1..
Grosbellet, Bernard     
ʿĪsa        
Hacquet 

Answer 2

您可以使用此正则表达式来匹配：

(?m)^([^,\n]*,[^\n,]*),.*?(\t)

并替换为：

\1\2

正则表达式详细信息：

• (?m)：启用MULTILINE模式
• ^：开始
• [^,\n]*,[^\n,]*)：匹配0+非逗号、非换行符，后跟一个,，后跟0+非逗号、非换行符，在组#1中捕获它
• ,：匹配一个逗号
• .*?：Natch 0个或多个任意字符（惰性）
• (\t)：匹配选项卡并将其捕获到组#2中

RegEx Demo