正则表达式总是贪婪的，即使我给它非捕获括号？

Question

我有这样的弦：

strings = [
'title : Booking things author J smith',
'title : Unbe God author:  K. sweet'
]

字符串在“title”和“title”之间以及“author”和author之间可能有冒号，也可能没有。但它们总是有“标题”和“作者”两个词。在

我想像这样捕获标题：Booking things，和{}。在

我有两个正则表达式：

^{pr2}$

结果是：
规则1：

import re
re.findall(regex1, string, flags=re.I)
['title : Booking things ']

规则2：

import re
re.findall(regex2, string, flags=re.I)
[' : Booking things ']

为了不捕获这个词，{cd5}我想不去捕捉这个词。如何告诉它在不使用lookbehind时不捕获单词title？在

在第二个例子中，regex2，我确实使用了一个look-behind，但是随后我遇到了一个类似的问题。我如何告诉它不要捕获:，但仍然要在后面寻找单词title？我也避免了这样一个事实：向后看必须是固定宽度的。在

Answer 1

I thought that the non-capturing (?:) would tell it not to capture the word title

非捕获组仍然使用文本。它们只是匹配（文本被抓取并添加到匹配结果中），而不是捕获（=将匹配值的一部分存储在特定编号或命名的缓冲区中）。若要检查是否存在/不存在，仅存在查找区域（或定位点）。在

很明显，您希望从匹配项中丢弃前缀title :。不能使用lookbehind，因为在Python re模块中不允许使用可变宽度的lookbehind（其中包含限定符的模块）。一个常见的解决方法是围绕需要获得的模式使用捕获组。在

您可以围绕[\w\s]+子模式设置一个捕获组，以将该值捕获到组1中：

import re
strings = [
'title : Booking things author J smith',
'title : Unbe God author:  K. sweet'
]
for x in strings:
    m = re.search(r"(?:title\s*:?\s*)([\w\s]+)(?=author)", x)
    if m:
        print(m.group(1))

sample demo的输出：

^{pr2}$

请注意，如果您想去掉捕获文本中的尾随空格，请使用稍微调整的regex：

(?:title\s*:?\s*)([\w\s]+?)\s+(?=author)
                         ^

见regex demo。?使[\w\s]+子模式变得懒惰，并将在一个或多个空白（\s+）之前匹配尽可能少的字符，这些空格（\s+）正好位于一个文本字符序列author之前。在