3

Никак не могу разобраться с правильным паттерном для RegEx. Есть файлик с кучей строк следующего вида:

  • "Lorem, ipsum, dolor, sit, gotcha"
  • "Lorem, ipsum, go7ch4"
  • "Lorem, ipsum, dolor, g0tch4"

Мне нужно написать код, который бы находил во всех строках последнее слово. И я никак не могу сделать так, чтобы мой паттерн перестал быть жадным. Вот мой код:

def gotcha_exctractor(line):
    pattern = re.compile(', (.+?)$')
    match = pattern.search(line)
    return match

В лучшем случае, когда строка имеет вид "Lorem, gotcha", функция работает нормально, но если сунуть в нее строку длиннее, она выдает слишком много. Например, при "Lorem, ipsum, gotcha" я получаю "ipsum, gotcha". Понятно, что под мой паттерн подходит и ", gotcha", и ", ipsum, gotcha", и что мне нужно куда-то воткнуть таблетку от жадности, но у меня что-то не выходит. Вроде, документация говорит, что для этого нужно сувать "?" после спецификаторов "+", "*" и "?", но у меня ничего не робит. Как сделать, чтобы это все дело было менее жадным?

3
  • 1
    А если line.split(', ')[-1]?
    – entithat
    4 июл 2020 в 13:08
  • 1
    Попробуйте сайт regex101.com. Отточите там свою регексу
    – icYFTL
    4 июл 2020 в 13:15
  • @entithat Это хороший вариант, не подумал о нем, спасибо. Но я все так же не понимаю, почему мой код не работает.
    – OceanBorn
    4 июл 2020 в 13:35

1 ответ 1

6

Регулярное выражение ищет совпадение в строке слева направо. В выражении , (.+?)$ первым символом идёт запятая, значит, в Lorem, ipsum, dolor, sit, gotcha будет найдена первая запятая, та, что после Lorem. Дальше, после запятой будет найден пробел. Затем (.+?) найдёт i в ipsum, и тут же после этого $ попробует определить, в конце ли строки находится индекс. Так как это неправда, в дело вступает backtracking: (.+?) захватывает ip и снова $ проверяет, находимся ли мы в конце строки или нет. И так далее, пока (.+?) не захватит целую строку.

Вы можете использовать

,\s*([^\s,]+)$
,\s*(\w+)$
,\s*(\w+)\s*$

См. пример работы выражения.

Смысл в том, чтобы ограничить . так, чтобы он не находил любой символ. \w+ найдет 1 и более цифр/букв/_, [^\s,]+ найдёт 1 и более символов, отличных от пробельных символов и запятых.

1
  • Могли бы объяснить для чего искать ,\s перед группой, если в данном случае это устанавливается как ограничение выбора [^\s,]+$, даже группу объявлять не нужно, все будет записано в full match. UPD: Разобрался вроде, разница в количестве шагов поиска равна ~10 в пользу вашего примера.
    – user341547
    8 июл 2020 в 9:18

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

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