python - 正则表达式结果之前的前导空格

Question

我正在使用规则来使用正则表达式在 python 中获取子字符串。但我发现有些结果会有前导空格，而有些则没有。我知道我可以使用 .strip() 删除空格。但我想了解为什么会有空格。任何人都可以帮忙吗？

谢谢

Ex 1.（没有前导空格）。

import re
utterance = 'can i make a call to +21231313'
re.findall('[-|#|+]*[0-9]*[-\s]*[(]{0,1}[0-9]{1,4}[)]{0,1}[-\s\./0-9]*', utterance.strip())

结果：

['+21231313']

Ex 2.（前导空格）。

import re
utterance = 'can i make a call to -21231313'
re.findall('[-|#|+]*[0-9]*[-\s]*[(]{0,1}[0-9]{1,4}[)]{0,1}[-\s\./0-9]*', utterance.strip())

结果：

[' -21231313']

Ex 3.（前导空格）。

import re
utterance = 'can i make a call to 21231313'
re.findall('[-|#|+]*[0-9]*[-\s]*[(]{0,1}[0-9]{1,4}[)]{0,1}[-\s\./0-9]*', utterance.strip())

结果：

[' 21231313']

score 1 · Accepted Answer

在 RE 中，*将检查表达式的 0 次或多次出现。因此，该空间仅用于正则表达式的最后一个块，其中所有其他块都被解释为空。看一下状态机：

带减号的状态机

最后一个块（[-\s\./0-9]*）将接受任何数量的列出的符号，包括space和符号-但不包括+。如果您的表达式有加号，结果将是：

带加号的状态机

因为唯一接受+的块是第一个块，而第一个块中没有space。因此，如果正则表达式识别加号，则匹配将没有任何空格。

score 1 · Accepted Answer

第一个模式块可以匹配一个空字符串，'[-|#|+]*[0-9]*[-\s]*[(]{0,1}.

您可以使用的是强制数字匹配部分，同时使连字符/空格模式可选，并用可选组包装它，(?:[0-9]+[-\s]*)?. 此外，如果将最后一个[-\s\./0-9]*模式重新分解为(?:[-\s./]*[0-9])*.

利用

[-#+]*(?:[0-9]+[-\s]*)?\(?[0-9]{1,4}\)?(?:[-\s./]*[0-9])*
      ^^^^^^^^^^^^^^^^^                ^^^^^^^^^^^^^^^^^^

细节

[-#+]*- 零个或多个-，#或+
(?:[0-9]+[-\s]*)?- 一个可选的非捕获组，匹配 1 次或 0 次出现的 1+ 数字，然后是 0+ 连字符/空格
\(?- 一个可选的(
[0-9]{1,4}- 一到四位数
\)?- 一个可选的)
(?:[-\s./]*[0-9])*- 0 次或多次出现
- [-\s./]* - 0 个或多个连字符、空格.或/
- [0-9]- 一个数字。

2 回答 2