正則表達式匹配的第三，第四，第五......一句話

Question

我有一些字符串像"aaa bbb ccc"，"aaa bbb ccc ddd「"aaa bbb ccc ddd eee」 ......

我需要一個正則表達式，使我無法擺脫的aaa bbb並得到一切。

我在嘗試'\w+\s\w+\s(\w+|\s)+'但它不起作用。

In [171]: r = re.search('\w+\s\w+\s(\w+|\s)+', 'aaa bbb ccc ddd') 

In [172]: r.group(0) 
Out[172]: 'aaa bbb ccc ddd' 

In [173]: r.group(1) 
Out[173]: 'ddd' 

我希望它返回ccc ddd

Answer 1

你的方法是行不通的，因爲重複捕獲組取代了以前的捕獲。如果你創建一個非捕獲組（包括量詞）並且圍繞它捕獲一個捕獲組，它應該可以工作。

re.compile(r""" 
    (?:\w+\s){2}  # two words we don't care about 
    (     # begin capturing 
     (?:\w+\s?)+  # 1+ word chars followed by an optional space, 1+ times 
    )     # stop capturing""", re.X) 

雖然我不確定你爲什麼使用正則表達式。是不是str.split更好？

s = 'aaa bbb ccc ddd' 
result = s.split()[2:] 

Answer 2

這裏的問題是，你還沒有告訴正則表達式的工作組應涵蓋\w+|\s所有重複......作爲你+是外括號。

相反，嘗試：

>>> r = re.search('\w+\s\w+\s((?:\w+|\s)+)', 'aaa bbb ccc ddd') 
>>> r.group(1) 
>>> 'ccc ddd' 

注意，在這個表達式中，(?: ...)是非捕獲括號