regex để lấy tất cả văn bản bên ngoài dấu ngoặc đơn

Question

Tôi đang cố gắng lấy bất kỳ văn bản nào bên ngoài dấu ngoặc vuông bằng regex.

Ví dụ chuỗi

Josie Smith [3996 TRƯỜNG CAO ĐẲNG AVENUE, SOMETOWN, MD 21.003] Mugsy Chó Smith [2560 OAK ST, GLENMEADE, WI 14.098]

Tôi có thể để nhận được văn bản bên trong dấu ngoặc vuông thành công với:

addrs = re.findall(r"\[(.*?)\]", example_str) 
print addrs 
[u'3996 COLLEGE AVENUE, SOMETOWN, MD 21003',u'2560 OAK ST, GLENMEADE, WI 14098']  

nhưng tôi gặp sự cố khi nhận bất kỳ thứ gì bên ngoài trong số các dấu ngoặc vuông. Tôi đã thử một cái gì đó như sau:

names = re.findall(r"(.*?)\[.*\]+", example_str) 

nhưng mà chỉ thấy tên đầu tiên:

print names 
[u'Josie Smith '] 

Cho đến nay tôi đã chỉ nhìn thấy một chuỗi chứa 1-2 name [address] combo, nhưng tôi m giả sử có thể có bất kỳ số nào trong số chúng trong một chuỗi.

Answer 1

Nếu không có dấu ngoặc lồng nhau , bạn chỉ có thể làm điều này:

re.findall(r'(.*?)\[.*?\]', example_str) 

---

Tuy nhiên, bạn thậm chí không thực sự cần một regex ông lại. Chỉ cần chia trên dấu ngoặc:

(s.split(']')[-1] for s in example_str.split('[')) 

---

Lý do duy nhất nỗ lực của bạn không làm việc:

re.findall(r"(.*?)\[.*\]+", example_str) 

... là bạn đang làm một trận đấu không tham lam trong dấu ngoặc, có nghĩa là nó đã chụp tất cả mọi thứ từ khung mở đầu tiên đến khung đóng gần nhất, thay vì chỉ chụp cặp dấu ngoặc đầu tiên.

---

Ngoài ra, + cuối cùng có vẻ sai. Nếu bạn có 'abc [def][ghi] jkl[mno]', bạn có muốn quay lại ['abc ', '', ' jkl'] hoặc ['abc ', ' jkl'] không? Nếu trước đây, không thêm +. Nếu đó là thứ hai, hãy làm - nhưng sau đó bạn cần phải đặt toàn bộ mẫu được đặt trong một nhóm không chụp: r'(.*?)(?:\[.*?\])+.

---

Nếu có thể có văn bản bổ sung sau khung cuối cùng, phương pháp split sẽ làm việc tốt, hoặc bạn có thể sử dụng re.split thay vì re.findall ... nhưng nếu bạn muốn điều chỉnh regex ban đầu của bạn để làm việc với điều đó, bạn có thể .

Bằng tiếng Anh, những gì bạn muốn là bất kỳ chuỗi con nào (không tham lam) trước chuỗi con đính kèm ngoặc đơn hoặc kết thúc chuỗi, phải không?

Vì vậy, bạn cần thay đổi giữa \[.*?\] và $. Tất nhiên bạn cần phải nhóm đó để viết luân phiên, và bạn không muốn nắm bắt nhóm. Vì vậy:

re.findall(r"(.*?)(?:\[.*?\]|$)", example_str) 

Answer 2

bạn có thể làm điều này:

outside = re.findall(r"[^[]+(?=\[[^]]*]|$)", example_str) 

Nói cách khác: Tất cả những gì không phải là một dấu ngoặc vuông mở tiếp theo một cái gì đó bên trong dấu ngoặc vuông hoặc cuối của chuỗi

Answer 3

Nếu có dấu ngoặc bao giờ lồng nhau:

([^[\]]+)(?:$|\[) 

Ví dụ:

>>> import re 
>>> s = 'Josie Smith [3996 COLLEGE AVENUE, SOMETOWN, MD 21003]Mugsy Dog Smith [2560 OAK ST, GLENMEADE, WI 14098]' 
>>> re.findall(r'([^[\]]+)(?:$|\[)', s) 
['Josie Smith ', 'Mugsy Dog Smith '] 

Giải thích:

([^[\]]+) # match one or more characters that are not '[' or ']' and place in group 1 
(?:$|\[) # match either a '[' or at the end of the string, do not capture 

Answer 4

Nếu bạn muốn đi với regex và vẫn xử lý các dấu ngoặc lồng nhau, bạn có thể đi với:

import re 
expr = re.compile("(?:^|])([^[\]]+)(?:\[|$)") 

print(expr.findall("myexpr[skip this[and this]]another[and skip that too]")) 

Điều này sẽ mang lại ['myexpr', 'another'].

Ý tưởng là đối sánh mọi thứ giữa việc bắt đầu chuỗi hoặc ] và cuối chuỗi hoặc [.