使用正則表達式查找組（）與重複{}

我想（理想情況下分別在組1 & 2）分析文本，收集文化+亞文化的以下塊：使用正則表達式查找組（）與重複{}

首頁衆神之中。極樂世界，阿瓦隆，人間天堂.--凱爾特人（普通）：麥考洛克凱爾特人14;愛爾蘭：同上。 37f。，114ff。，Cross;威爾士語：同上。 193; Icel .: MacCulloch Eddic 312ff。印度教：Penzer I 125 n。 1;猶太人：紐曼人 - 夏威夷：貝克威斯神話67;所以。上午。印度語（Apapocuv \ xe1-Guarani）：M \ xtra9 RMLP XXXIII 122;非洲（方）：Trilles 130

我最好的嘗試到目前爲止使用以下正則表達式：

(\w+)\.?\:|(\w+\.?\s?){0,3}\((.*?)\)\:

導致以下：

[(u'', u'Celtic ', u'general'), (u'Irish', u'', u''), (u'Welsh', u'', u''), (u'Icel', u'', u''), (u'Hindu', u'', u''), (u'Jewish', u'', u''), (u'Hawaii', u'', u''), (u'', u'Indian ', u'Apapocuv\xe1-Guarani'), (u'', u'Africa ', u'Fang')]

它的問題是它在'Apapocuv \ xe1-Guarani'之前只獲得'印度'而不是如此。上午。印度人。

這裏是整個系統我的邏輯/需求的細分：

第一組'(\w+)\.?\:'是任何一個字的結尾：（愛爾蘭人，猶太人，夏威夷，印度）
二組'(\w+\.?\s?){0,3}'是專門獲得「所以我是印度人」這是我遇到麻煩的部分。我得到印度人，但不是那樣。上午。印度人。我還需要得到如下變體，例如「So.Am。Indian，SA Indian，So.A. Indian，S.Am.India」
第三組'\((.*?)\)\'（與第二部分一起）獲得額外的子部族所以：非洲（方）

我很想把這些工作分成兩組，但我可以在以後的代碼中處理三個。如果有人有任何想法，我會非常感激。

來源

2012-02-01 theredknight

實施例（JavaScript）的

var s = "Home of the gods. Elysium, Avalon, earthly paradise.--Celtic (general): MacCulloch Celtic 14; Irish: ibid. 37f., 114ff., Cross; Welsh: ibid. 193; Icel.: MacCulloch Eddic 312ff.; Hindu: Penzer I 125 n. 1.; Jewish: Neuman.--Hawaii: Beckwith Myth 67; So. Am. Indian (Apapocuv\xe1-Guarani): M\xe9traux RMLP XXXIII 122; Africa (Fang): Trilles 130." 
var rx = /(?:\-{2}|\;\s)((?:\w+\.\s)*\w+)(?:\s\(([^\)]+)\))?\:/g 

while(m = rx.exec(s)){ 
    console.log(m[1] + ', ' + m[2]); 
}

輸出

Celtic, general 
Irish, undefined 
Welsh, undefined 
Hindu, undefined 
Jewish, undefined 
Hawaii, undefined 
So. Am. Indian, Apapocuvá-Guarani 
Africa, Fang

來源

2012-02-01 20:27:48

哇謝謝你！這工作得很好，簡化了我的兩個組，所以非常感謝。我唯一的問題是（也許我沒有詳細說明），它不允許捕捉「我是印度人」，而只是「印度人」。如果以前有三個縮寫詞，我需要能夠捕捉到，比如「So.Am。Indian，SA Indian，So.A. Indian，S.Am。Indian」如果你知道，請告訴我，謝謝再次。:) – theredknight 2012-02-01 22:44:46

更新的例子。 – 2012-02-01 23:37:56

太棒了！完美的作品！謝謝！ – theredknight 2012-02-02 08:10:58

與添加的重複操作者像{0,3}到組的問題是，該組的向後引用將是每次匹配都會被覆蓋。如果你想捕捉整個重複比賽，你需要使用嵌套組：

(\w+).?\:|((\w+.?\s?){0,3})((.*?))\:

，這將產生（在這種情況下\2）一個額外的回引，你可以簡單地忽略，但如果你煩惱，許多正則表達式引擎對非引用組也有一個(?:)語法：

(\w+).?\:|((?:\w+.?\s?){0,3})((.*?))\:

來源

2012-02-01 20:30:14 bug

Hrrmm ...我嘗試了這兩個，他們沒有給我很好的結果。我正在使用python和re.findall，請告訴我你在用什麼？謝謝！ – theredknight 2012-02-01 22:46:33

使用正則表達式查找組（）與重複{}

回答

相關問題