正規表現の専門家が助けてください! 次の2つの例があります。
'(JEN) This is a sentence.'
'This is another sentence (412).'
次の方法で、これら 2 つの文のさまざまな要素を抽出しようとしています (要素の種類が 3 つあることがわかっています)。
['JEN', 'This is a sentence', None]
[None, 'This is another sentence', 412]
これを解決する方法を知っている人はいますか？
次の正規表現を試しました：
r'(\(([A-Z]{3})\))?\s*([\w- ]+)?\s*(\(([0-9]{3})\))?'
r'(?:\(([A-Z]{3})\)\s*)(?:([\w- ]+))(?:\(([0-9]{3})\))' # Passive Groups
どちらの場合も、無効な正規表現のエラーが発生します。
理由はありますか？
sre_constants.error: bad character range[\w- ]が範囲として解釈されるために発生します。を使用することは可能[\w -]ですが、通常-は文字クラス内でエスケープする必要があります: [\w\- ].
また、式は同等ではありません (グループ化を除いて)。それが意図的だったかどうかはわかりませんが、 の非キャプチャ バージョン(regex)?は(?:regex)?ではなくであることに注意してください(?:regex)。最初の式と同様に動作するには、2 番目の式を次のようにする必要があります。
r'(?:\(([A-Z]{3})\))?\s*([\w\- ]+)?\s*(?:\(([0-9]{3})\))?'
個人的には、グループ内の実際の括弧をキャプチャするだけでよいと思います。グループ 1 と 3 の結果のキャプチャにはそれらがあることがわかっているので、対応できます。正規表現は確かに正気です。
また、この文脈における「文」は、おそらく「右括弧以外のもの」としてより適切に定義されます。そうは言っても、これはすべての入力に対して機能します。
r'(\([A-Z]{3}\))?\s*([^(]+)(\(\d{3}\))?'