Comment combiner des groupes dans Python RegEx ?

Question

Comment combiner les groupes (p1 et p2) dans le code suivant ?

import re

txt = "Sab11Mba11"
p1 = "(S(a|b)(a|b))"
p2 = "(M(a|b)(a|b))"
px = "(" + p1 + '|' + p2 + ")"

print(re.findall(p1, txt)) # [('Sab', 'a', 'b')]
print(re.findall(p2, txt)) # [('Mba', 'b', 'a')]
print(re.findall(px, txt)) # [('Sab', 'Sab', 'a', 'b', '', '', ''), ('Mba', '', '', '', 'Mba', 'b', 'a')]

Pouvez-vous m'expliquer pourquoi j'obtiens des chaînes vides et comment faire pour obtenir [('Sab', 'a', 'b'), ('Mba', 'b', 'a')] ?

Answer 1

Les valeurs vides des groupes de capture qui n'ont pas participé au match sont tout de même éditées.

Vous devez supprimer les parenthèses extérieures et filtrer les tuples résultants des valeurs vides :

import re

txt = "Sab11Mba11"
p1 = "(S(a|b)(a|b))"
p2 = "(M(a|b)(a|b))"
px = p1 + '|' + p2
print([tuple(filter(lambda m: m != '', x)) for x in re.findall(px, txt)])
# => [('Sab', 'a', 'b'), ('Mba', 'b', 'a')]

Voir le Démonstration Python .

Answer 2

Vous pouvez essayer d'utiliser un groupe de réinitialisation de branche. Cela nécessiterait le module regex de PyPi à la place :

import regex as re

txt = 'Sab11Mba11'
p1 = r'(S(a|b)(a|b))'
p2 = r'(M(a|b)(a|b))'

px = r'(?|' + p1 + '|' + p2 + ')'
print(re.findall(px, txt))

Imprimés :

[('Sab', 'a', 'b'), ('Mba', 'b', 'a')]

Les numéros de groupe seront réutilisés dans les différentes branches d'une réinitialisation.

En général, n'oubliez pas d'utiliser la notation de la chaîne brute lorsque vous travaillez avec des expressions régulières. S , a y b sont des substituts pour d'autres constructions. Notez également que vous n'avez pas besoin de 'px' en soi si vous utilisez la construction f-string. Par exemple :

re.findall(fr'(?|{p1}|{p2})', txt)