正則表達式分組不是預期

Question

我有以下的正則表達式應該拉出3組

^(ser-num.*|\[ser-num.*])(?:)?(\w+)?(?:)?(http://.*\.com/(?:s(?:erial)?|p(?:roduct)?)/\d+(?:/)?(?:\d+|(?:\w|-)+)?) 

這兩個字符串：

strings = [ 
    "ser-num recommend http://example.com/s/123456 ", 
    "ser-num http://example.com/s/123456 ", 
] 

當我運行這些對正則表達式我收到以下組：

('ser-num recommend ', None, 'http://example.com/s/123456') 
('ser-num ', None, 'http://example.com/s/123456') 

爲什麼我的第一個結果結合「推薦」成組\1，而不是\2？

這是我整個示例腳本：

import re 

p = re.compile("""^(ser-num.*|\[ser-num.*])(?:)?(\w+)?(?:)?(http://.*\.com/(?:s(?:erial)?|p(?:roduct)?)/\d+(?:/)?(?:\d+|(?:\w|-)+)?)""") 

strings = [ 
    "ser-num recommend http://example.com/s/123456 ", 
    "ser-num http://example.com/s/123456 ", 
] 

for s in strings: 
    m = p.match(s) 
    try: 
     print m.groups() 
    except AttributeError: 
     print "Not a match for %s" % (s) 

我正則表達式的explanation說，可選的組\2確實存在。

更新基於評論：

如果我利用這個正則表達式

^(ser-num.*|\[ser-num.*])\s?(\w*)\s?(http://.*\.com/(?:s(?:erial)?|p(?:roduct)?)/\d+(?:/)?(?:\d+|(?:\w|-)+)?) 

我收到這些結果（請注意組\2空字符串而非None）

('ser-num recommend ', '', 'http://example.com/s/123456') 
('ser-num ', '', 'http://example.com/s/123456') 

Answer 1

我建議以下正則表達式：

^(\[?ser-num\S*]?)\s*(\w*)\s*(http://.*\.com/(?:s(?:erial)?|p(?:roduct)?)/\d+(?:/)?(?:\d+|(?:\w|-)+)?) 

這個（特別是\S*代替.*）強制(\w*)處於其自己的捕獲組中，而不是被任何字符組的第一個貪婪的ser-num.*吞噬。請注意，由於相同的原因，第一組中還有額外的空格，即它們被貪婪地捕獲而不是被視爲可選匹配而被丟棄。

Answer 2

單詞recommend是第一組的一部分，因爲它匹配部分正則表達式ser-num.*。星號運算符返回儘可能長的匹配。如果您想要儘可能短的匹配，請使用*?。

試試這個：

p = re.compile("""^(ser-num.*?|\[ser-num.*?])(?:)?(\w+)?(?:)?(http://.*\.com/(?:s(?:erial)?|p(?:roduct)?)/\d+(?:/)?(?:\d+|(?:\w|-)+)?)""") 

注意使用非貪婪的明星：ser-num.*?

參考：

• 的*?，+?，??進入這裏：https://docs.python.org/2/library/re.html#regular-expression-syntax