在字符串中查找正则谱系的所有祖先

Question

我有一个过于复杂的正则是，据我所知，

route = r"""[\s+|\(][iI](\.)?[vV](\.)?(\W|\s|$)?
               |\s intravenously|\s intravenous
               |[\s|\(][pP](\.)?[oO](\.)?(\W|\s|$)
               |\s perorally|\s?(per)?oral(ly)?|\s intraduodenally
               |[\s|\(]i(\.)?p(\.)?(\W|\s|$)?  
               |\s intraperitoneal(ly)?
               |[\s|\(]i(\.)?c(\.)?v(\.)?(\W|\s|$)? 
               |\s intracerebroventricular(ly)?
               |[\s|\(][iI](\.)?[gG](\.)?(\W|\s|$)?
               |\s intragastric(ly)?
               |[\s|\(]s(\.)?c(\.)?(\W|\s|$)?
               |subcutaneous(ly)?(\s+injection)?
               |[\s|\(][iI](\.)?[mM](\.)?(\W|\s|$)? 
               |\sintramuscular
          """

对于re.search，我设法获得了众多模式之一，如果

s = 'Pharmacokinetics parameters evaluated after single IV or IM'

m = re.search(re.compile(route, re.X), s)
m.group(0)
' IV '

我在其他地方阅读了其他地方使用re。查找查找所有出现。 在我的梦中，这将回来：

['IV', 'IM']

不幸的是，结果是：

[('',
  '',
  ' ',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  ''),
 ('',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '',
  '')]

Answer 1

对于摘录，您显示：

\b
(?: i 
    (?: ntra
        (?: cerebroventricular (?:ly)?
          | duodenally
          | gastric (?:ly)?
          | muscular
          | peritoneal (?:ly)?
          | venous (?:ly)?
        ) \b
      | \.? (?: [gmpv] | c \.? v ) \b \.?
    )
  |
    (?:per)? oral (?:ly)? \b
  |
    p \.? o \b \.?
  |
    subcutaneous (?:ly)? (?: \s+ injection )? \b
)

demo

eveptices：

• 您的图案很长，您已经使用re.x opept这是一件好事，通过以严格且可读性的方式格式化图案来利用它最大。最终，使用字母顺序。听起来可能很愚蠢，但是节省时间！也可以从＃开始添加内联注释。
• 在两种不同的情况下，您有许多具有相同字符的角色类=＆gt;也使用全局re.i标志，并在较低的情况下写下您的模式。
• 我看到您尝试用\ s或丑陋的[\ s | \（]之类的东西界定子字符串（您无需在字符类中逃脱括号|并不意味着或内部）和（\ w | \ s | $）？（这是完全没有用的） Word Bornaries \ B（请阅读有关它匹配的情况）。
• 使用 字符串。
• 使用非捕捉组（？：...）而不是捕获组（...）。 .findall returns only the capture groups content and not the whole match).
• factorize your pattern from the left (the pattern is tested from left to right, a factorization from the left reduces the number of branches to test). With考虑到这个subpatern （？：per）？ （？：ly）？ \ b | p（？：eroral（？：ly）？\ b | \。？o \。？）
• 您也可以在可能的情况下从正确的情况下分解。这不是一个很好的改进，但可以减少图案大小。

Answer 2

使用 （？：。）？ TP在单词模式中找不到一个或一个时期。请注意，我发现IP或IP该模式匹配并不能在模式中排除模式，例如poip旁边的IP。

打印（“找到有或没有周期的单词的组合”）

  data="single intravenously intravenous IV oral PO intraperitoneal intraperitoneally i.p. ip"

matches=re.findall(r'[iI](?:\.)?[vV](?:\.)?|intravenous(?:ly)?|[pP](?:\.)?[oO](?:\.)?|peroral(?:ly)?|oral(?:ly)?|[iI](?:\.)?[pP](?:\.)?|intraperitoneal(?:ly)?',data)
print(matches)

输出：

['intravenously', 'intravenous', 'IV', 'oral', 'PO', 'intraperitoneal', 'intraperitoneally', 'i.p.', 'ip']