用于空格分隔单词的正则表达式

Question

我正在尝试匹配像

这样的电子邮件页脚

1. 谢谢,
2. 对
3. 谢谢,问候,

在正则表达式的帮助下，我能够得到前2个情况，

({language_keyword_footer[0]}|{language_keyword_footer[1]}(.*?)(S+(.*?)))

语言关键字页脚是我创建的元数据，以便将来添加更多的案例，

keywords = {
"en": {'header':["From:", "Subject:"],'footer':["Regards,", "Thanks,","Thanks & Regards,"]}}

问题是当我使用这种方法时，它只捕获Regards,并丢弃Thanks & Regards,

是否有一种方法可以将其添加到现有的re并捕获此空格分隔的场景，任何帮助都是感激的

Answer 1

您需要按长度按递减顺序对项目进行排序，因为NFA正则表达式引擎中的交替模式遵循"先匹配，先服务";原则(参见"记住正则表达式引擎是急切的");文章)。另外，不要忘记转义正则表达式中用作文字模式的字符串。

你可以用

pattern = r'({})(.*?)(S+)'.format("|".join(map(re.escape, sorted(language_keyword_footer, key=len, reverse=True))))

结果模式看起来像这里的(Thanks & Regards,|Regards,|Thanks,)(.*?)(S+)，并且将匹配Thanks & Regards,,Regards,或Thanks,(在第1组中)，然后匹配除换行符之外的任何零或多个字符尽可能少(在第2组中)，然后匹配一个或多个非空白字符(与(S+))。

注意，在regex模式末尾的.*?对最终结果没有影响。