或运算符内部或运算符RegEX

Question

我试图用python创建一个编译器，并使用re模块来创建标记。语言将非常类似于Assembly。在

几乎所有的东西都在工作，但我遇到了一个问题。让我举个例子来说明这个代币是什么：

mov [eax], 4
mov [name],2
mov eax, [ebx]

Tokens: [eax], [ebx]

我可以用这个模式找到我想要的：\[(eax|ebx)\] 但我在使用其他模式时会出错，我相信这是因为“|”。在

^{pr2}$

错误：

^{3}$

有没有办法用另一个字符代替'|'？在

Answer 1

您的心痛是由捕获组中的捕获组引起的，该组导致每个匹配的groups()调用返回一个5元组。不要使用捕获组，请尝试将非捕获组（语法：(?:pattern)）混合到您的最终捕获组中，如下所示：

(\[(?:eax|ebx)\])

示例运行：

^{pr2}$

Answer 2

我的建议是在解包时忽略这个值。在

comment, memory_int, memory_hex, memory_reg, _ = match.groups()

或者：

^{pr2}$

Answer 3

问题不是因为中的|字符：

    |(\[(eax|ebx)\])             # memory access with registers

这是因为表达式的这一部分定义了两个捕获组，一个嵌套在另一个组中—因此match.groups()返回的值比解包的要多，例如第一行：

^{pr2}$

避免嵌套组的一种方法是使用：

    |(\[eax\]|\[ebx\])          # memory access with registers

这将导致返回：

(None, None, None, '[eax]')

正如@Shashank指出的，您还可以使用非-capturing group(?:...)语法来定义嵌套的可能寄存器值模式：

    |(\[(?:eax|ebx)\])          # memory access with registers

达到同样的目的。当有更多的可能的子模式（而且它们更复杂）时，这种方法是有利的，因为否则你需要为每种可能性详细说明整个模式，而不是利用它们可能具有的一些共性。在