Extraire des liens complexes avec python

Question

J'ai un RegEx qui devrait trouver tous les caractères alphanumériques ou les textes entre crochets comme l'exemple dans le lien ci-dessus. Ces textes sont en fait des liens avec des descriptions (par exemple [[Toto|there's a link here]] est un lien vers la page Toto )

Mais le problème est que je pourrais avoir d'autres textes entre crochets et donc, comme vous pouvez le voir dans le lien, il ne reconnaît pas les crochets à la fin ( ]] ).

Il y a aussi un autre motif important dans ces liens, il y a des tuyaux ( | ) qui séparent mes textes en deux ou trois parties. Dans le cas où il y a deux parties, je veux seulement obtenir le texte de gauche et dans le cas où il y a trois parties, je veux obtenir le texte de droite.

Exemple :

[[File:Euclid flowchart 1.png|vignette|[[Flowchart]] of an algorithm ([[Euclid's algorithm]]).]]

Je veux seulement [[Flowchart]] of an algorithm ([[Euclid's algorithm]]). partie (c'est un png avec une description en dessous et dans cette description il y a d'autres liens)

[[Babylone|Babyloniens]]

Je veux Babylone

Dans le premier exemple, il y a d'autres liens à l'intérieur mais je peux facilement les extraire avec ma première regex ou une récursion.

Vous pouvez voir un exemple de mon code ici

Answer 1

Vous pouvez essayer ce modèle \[\[(.+?)\|(.+?)(\|(.+))?\]\]

Captures de motifs pour grouper les chaînes entre les tuyaux | . J'ai utilisé un opérateur non avide .+? sinon il capturerait tout jusqu'au dernier tuyau. L'opérateur non avide capture jusqu'à la première occurrence du tuyau. Mais le dernier opérateur est gourmand - c'est parce que nous voulons tout capturer jusqu'au dernier pipe. ]] donc le contraire de ce que nous voulions précédemment.

Aussi (\|(.+))? signifie que la troisième partie (à l'exclusion du caractère pipe supplémentaire) est facultative (peut apparaître au maximum une fois).

Cela nécessite également une logique supplémentaire - vous devez d'abord vérifier s'il existe un quatrième groupe de capture, si c'est le cas, cela signifie que la chaîne a été divisée par des tuyaux en trois parties. S'il n'est pas présent, cela signifie que la chaîne a été divisée en deux parties seulement, auquel cas vous voulez obtenir le premier groupe de capture.

Démo