Python findall，regexp with "|“和grouping

Question

我正在尝试用Python实现Pig Latin。我想要匹配以辅音或“曲”(无论大小写)开头的字符串，以便找到第一个字母，所以一开始我这样做：

first_letters = re.findall(r"^[^aeiou]+|^[qQ][uU]", "qualification")

它不起作用(只找到"q")，所以我想我必须在第一组中添加q：

first_letters = re.findall(r"^[^aeiouq]+|^[qQ][uU]", "qualification")

所以这是可行的(它找到"qu“，而不仅仅是"q")！

但我发现自己有这样的问题：

first_letters = re.findall(r"{^[^aeiou]+}|{^[qQ][uU]}", "qualification")

这不起作用，因为我想它和我尝试的第一个表达式是一样的。但最终这也起到了作用：

first_letters = re.findall(r"{^[^aeiou]+}|(^[qQ][uU])", "qualification")

我也不知道为什么。有人能告诉我为什么吗？

Answer 1

颠倒规则的顺序：

>>> re.findall(r"^[qQ][uU]|^[^aeiou]+", "qualification")
['qu']
>>> re.findall(r"^[qQ][uU]|^[^aeiou]+", "boogie")
['b']
>>> re.findall(r"^[qQ][uU]|^[^aeiou]+", "blogie")
['bl']

在第一种情况下，第一个正则表达式^[^aeiou]+与q匹配。在第二种情况下，由于您已经将q添加到第一部分，因此正则表达式引擎将检查第二个表达式并匹配qu。

在其他情况下，我认为第一个表达式并不像您认为的那样(即大括号中的^字符)，所以第二个表达式再次匹配。

在第3和第4个模式的第一部分中，{^[^aeiou]+}尝试匹配文字花括号{，然后是start-of-line，然后是一个或多个非元音字符，最后是文字右大括号}。因为您没有启用re.MULTILINE，所以我假设您的模式在技术上是有效的，但是无法匹配任何输入。

Answer 2

您应该将qu放在[^aeuio]之前，因为否则"q“会被类捕获并无法匹配。除此之外，不需要[Qq][Uu]，只需提供不区分大小写的标志：

first_letters = re.findall(r"^(qu|[^aeiou]+)", "qualification", re.I)

考虑到您可能还会匹配字符串的其余部分，这将更加实用：

start, rest = re.findall(r"^(qu|[^aeiou]+)?(.+)", word, re.I)[0]

Answer 3

|从左到右运行，并在第一次成功时停止。这就是为什么第一个表达式只有q，第二个表达式有qu的原因。

不确定最终的正则表达式是做什么的，特别是关于{}表达式。不过，|之后的部分将在资格赛中相匹配。也许这就是你所看到的。

您可能会发现re.I (忽略大小写)标志很有用。