Python正则表达式完全匹配

Question

对于我的CGI应用程序，我正在编写一个函数来获取浏览器的首选语言（在HTTP_ACCEPT_language变量中提供）。我想用正则表达式找到这个变量中的所有语言标记（语言标记的一般模式在RFC1766中定义）。来自RFC1766的EBNF（'1*8ALPHA'表示一到八个ASCII字符）：

Language-Tag = Primary-tag *( "-" Subtag )
Primary-tag = 1*8ALPHA
Subtag = 1*8ALPHA

我为语言标记编写了以下正则表达式：

^{pr2}$

如果我使用这个表达式，Python的re模块提供以下内容

>>import re

>>re.findall("(([a-z]{1,8})(-[a-z]{1,8})*)", "x-pig-latin en-us de-de en", re.IGNORECASE)
[('x-pig-latin', 'x', '-latin'), ('en-us', 'en', '-us'), ('de-de', 'de', '-de'), ('en', 'en', '')]

结果是正确的。但我只需要像“de de”或“x-pig-latin”这样的完整匹配。我能假设一个组的第一个匹配总是最完整的吗？或者有一个标志告诉re显示最完整的匹配？在

斯特凡

Answer 1

不确定您是否已经签出了它，但是this article提供了很多关于进行Accept-Language解析的很好的建议，同时还提供了对已经解决问题的库的引用。在

至于您的re问题，doughellman在他最近的Python模块中有一个great breakdown of ^{}。在

Answer 2

你能用吗？：操作员阻止regex引擎保存带括号的子模式：

((?:[a-z]{1,8})(?:-[a-z]{1,8})*)

这将产生以下输出：

^{pr2}$

为了回答您的问题，findall返回的第一个匹配项应该是完全匹配的子字符串。在

Answer 3

将你的内部组（即括号）变成非-捕捉组：也就是说，从：

(([a-z]{1,8})(-[a-z]{1,8})*)

收件人：

^{pr2}$

总而言之，模式符号(?: ... )定义了一个非-捕获组：括号仍然用于控制优先级，但不会在匹配对象的.groups()和其他与捕捉组相关的特征中留下痕迹。在

普通括号，( ... )，表示一个捕获组。在

当然，没有理由使用捕捉组来获取您感兴趣的子匹配。只在你关心的子匹配中使用它们！-)在