1

Только недавно начал работать с регулярными выражениями и столкнулся со следующей задачей:

Исходные данные: строка, содержащая фразы, экранированные в {}. В {} могут содержаться несколько фраз (2 и более).

Выходные данные: исходная строка, содержащая вместо {...} случайную фразу из {...}

Текущий код

import re
import random

def shuffle(str):
    ns = ''
    pattern = re.compile(r"{([^}]+)}")
    for elem in pattern.split(str):
        if '|' in elem:
            ns += random.choice(elem.split('|'))
        else:
            ns += elem

    return ns

str = 'Привет. {Меня зовут Сергей.|Как тебя зовут?|Как зовут твою сестру?}'
print (shuffle(str))    # Привет. Как зовут твою сестру?
print (shuffle(str))    # Привет. Как тебя зовут?
print (shuffle(str))    # Привет. Меня зовут Сергей.

Собственно сейчас совпадение это все, что находится в {}. После этого совпадение разбивается по символу | и уже только тогда выбирается фраза.

Вопрос: можно ли составить такой паттерн, который сразу бы группировал фразы?

1 ответ 1

0

Можно ли составить такой паттерн, который сразу бы группировал фразы?
- нельзя, если не известно точное количество групп.

Дело в том, что для этого нам понадобится повторять группы захвата, а сделать это, не зная их точного количества, невозможно (исключение - ).

Похожий англоязычный ответ: https://stackoverflow.com/a/43463694/11558617


Для того, чтобы понять, зачем нам нужно повторять группы захвата, давайте обсудим, как мог бы выглядеть нужный нам паттерн.

Предположим, что строка выглядит так: Some text. {spam|eggs|holy hand grenade|hello}!
Наша группа, выделенная {}, окружена каким-то текстом и на выбор в ней 4 варианта.

Для начала мы бы добрались до данных в скобках {(.*)}:

print(re.findall(r'{(.*)}', string)[0])
'spam|eggs|holy hand grenade|hello'

Далее мы обработали бы крайний случай - конец списка ([^\|]*):

print(re.findall(r'{(.*\|)([^\|]*)}', string)[0])
('spam|eggs|holy hand grenade|', 'hello')

Осталось разделить spam|eggs|holy hand grenade|.
Для этого необходимо повторить паттерн ([^\|]*)\| несколько раз.

Именно это и невозможно сделать, если не знать точное количество групп. Попробуем добавить в наше выражение паттерн (?:([^\|]*)\|)* и посмотрим, что получится:

print(re.findall(r'{(?:([^\|]*)\|)*([^\|]*)}', string)[0])
('holy hand grenade', 'hello')

Вернулось только последнее слово, хотя группа захвата повторялась 3 раза.

Дело в том, что движок перезаписал все предыдущие совпадения и вернул только последнее. Подробное описание того, почему так происходит, можете прочитать здесь.
(Единственным исключением из этого правила является механизм регулярных выражений .NET, который сохраняет информацию о возврате для захвата групп после попытки сопоставления.)

Других вариантов (если не разделять строку на части) у нас не остаётся.


Если же точное количество групп известно (например, 3), то их можно банально повторить:

print(re.findall(r'.*{([^\|]*)\|([^\|]*)\|([^\|]*)\|([^\|]*)}.*', string)[0])
('spam', 'eggs', 'holy hand grenade', 'hello')
2
  • Да, именно с проблемой повторения я и столкнулся. Вот только ваш код не сработает для строки, если в ней будет 2+ группы {} Commented 26 июл. 2019 в 3:46
  • @TheMarhang, действительно, упустил это из виду. Пожалуй, вообще уберу, раз у Вас есть реализация.
    – nomnoms12
    Commented 26 июл. 2019 в 9:06

Ваш ответ

Нажимая «Отправить ответ», вы соглашаетесь с условиями пользования и подтверждаете, что прочитали политику конфиденциальности.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.