查找字符串中正则表达式的所有模式

Question

我有一个过于复杂的正则表达式，据我所知是正确的

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
"""

使用re.search，如果它是字符串，我设法获得众多模式之一

s = 'Pharmacokinetics parameters evaluated after single IV or IM'
m = re.search(re.compile(route, re.X), s)
m.group(0)
' IV '

我在别的地方读到使用re.findall来找到所有的事件。在我的梦里，这将返回:

['IV', 'IM']

结果是:

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

Answer 1

对于您显示的摘录:

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
)

演示建议:

• 你有一个很长的模式，你已经使用了re.X选项，这是一件好事，通过以严格和可读的方式格式化模式来最大限度地利用它。最后，使用字母顺序。这听起来可能很傻，但这确实节省了时间!也可以添加以#开头的内联注释。
• 在两种不同的情况下，你有许多具有相同字符的字符类=>也使用全局re.I标志，并以小写书写模式。
• 我看到你试图用s或丑陋的[s|(](你不需要在字符类中转义括号，|并不意味着它里面的or)和(W|s|$)?(这是完全无用的，因为你使它可选)来划分子字符串。忘记它，使用单词边界b(阅读它以更好地理解在哪些情况下它匹配)。
• 使用re.findall代替或re.search，因为您希望在单个字符串中有多个匹配。
• 使用非捕获组(?: ... )代替捕获组( ... )。(当模式包含捕获组时，re.findall只返回捕获组的内容，而不是整个匹配)。
• 从左分解模式(从左到右测试模式，从左分解减少了要测试的分支的数量)。考虑到这一点，子模式(?:per)? oral (?:ly)? b | p .? o b .?可以这样重写:oral (?:ly)? b | p (?: eroral (?:ly)? b | .? o .?)
• 你也可以从右边因式分解在可能的情况下。这不是一个很大的改进，但它减少了模式大小。

Answer 2

use (?:.)?在单词模式中找一个句号或一个句号。注意我找到了ip或ip.模式匹配不排除模式中的模式，例如ip在POip旁边。

print ("查找带或不带句点的单词组合")

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']