非贪婪python正则表达式

Question

我想通过一些正则表达式工作;我正在使用python。

我现在的任务是刮报纸文章，并寻找人死亡的情况。一旦我有一篇相关的文章，我试图扼杀其他一些事情的死亡人数。我试图想出一些模式，但是我特别是遇到了一些困难。把这个样本文章节：

SANAA，10月21日（路透社） - 三个男人被认为是基地组织武装分子 在一辆汽车在也门明显的美国无人机袭击中丧生的 周日，部落人士和本地官员说。

我用来首先拦截'三个'的代码在整个文档上进行替换，因此在应用任何模式之前，'3'变成'3'。有关本实施例的图案是这样的：

re.compile(r"(\d+)\s(:?men|women|children|people)?.*?(:?were|have been)? killed") 

的想法是，这种模式会以数字开头，后跟一个可选的名词如列出的那些中的一个，那么具有杂乱的最小量的前发现“死亡”或“死亡”。我要离开房间，使这种模式会赶上：

3 people have been killed since Sunday 

，仍然赶上实例的例子：

3 men thought to be al qaeda militants were killed 

的问题是，我使用的模式是从收集的日期文章的第一部分，并返回21的计数。到目前为止，没有任何的摆弄使我可以将范围限制在男士一词旁边的数字右边，然后是分词，然后相关的“被杀”。

任何帮助将不胜感激。谈到RE，我绝对没有上师。

Answer 1

请勿使men|women|children为可选项，即在右括号之后取出问号。无论重复操作符是否贪婪或吝啬，正则表达式引擎都会在第一个可能的位置进行匹配。

或者，或另外，使“任何事情在这里”模式只匹配非数字，即与\D*?

Answer 2

更换.*?这是因为，你已经使用了量词?，符合你(:?men|women|children|people)的0或1在你的位后。因此，21将匹配。因为它有0。

尝试删除后您的量词，与它们匹配的只有一个： -

re.compile(r"(\d+)\s(?:men|women|children|people).*?(?:were|have been)? killed") 

更新： - 要使用? quantifier，仍然可以得到所需的结果，您需要使用Look-Ahead正则表达式，使确保你的digit没有跟在你的例子中包含hiephen(-)的字符串。

re.compile(r"(\d+)(?!.*?-.*?)\s(?:men|women|children|people)?.*?(?:were|have been)? killed") 

Answer 3

您使用错误的语法(:?...)。您可能想使用(?:...)。

---

使用正则表达式

(\d+).*?\b(?:men|women|children|people|)\b.*?\b(?:were|have been|)\b.*?\bkilled\b 

，或者只是空间的那些话之间不允许，那么

(\d+)\s+(?:men|women|children|people|)\s+(?:were|have been|)\s+killed\b