正規表現の繰り返しパターン

Question

私は文字列に繰り返しパターンをキャッチしようとしています。サブパターンは、単語の先頭、つまり":"で始まり、末尾が":"で終わります。私は((subpattern)__(subpattern))+に一致する複数の組み合わせでfindallとsearchを試みたが、何が間違っていることができませんでした：

cc = "GT__abc23_1231:TF__XYZ451" 

import regex 
ma = regex.match("(\b|\:)([a-zA-Z]*)__(.*)(:|\b)", cc) 

予想される出力：

GT, abc23_1231, TF, XYZ451 

私はthisのような質問をたくさん見ましたが、それは助けにはなりませんでした。

Answer 1

あなたがregex demo

パターンがの詳細を参照してください

(?:[^_:]|(?<!_)_(?!_))+ 

を使用することができそうです：

• (?:[^_:]|(?<!_)_(?!_))+ - の1以上の配列：
  • [^_:] - 任意の文字が、_と:
  • (?<!_)_(?!_) - 他_の

Python demo with re based solutionで囲まれていない単一_：

import re 
p = re.compile(r'(?:[^_:]|(?<!_)_(?!_))+') 
s = "GT__abc23_1231:TF__XYZ451" 
print(p.findall(s)) 
# => ['GT', 'abc23_1231', 'TF', 'XYZ451'] 

最初の文字は常に:とされていない場合_のようにan unrolled regexを使用してください：

r'[^_:]+(?:_(?!_)[^_:]*)*' 

ただし、これは単一の_で始まる値と一致しません（したがって、展開されていない正規表現はより安全です）。

Answer 2

で最小公分母を使用し、「開始をして:またはワード境界で終わる」、それはワード境界（あなたの部分文字列が単語文字で構成されている）です：

>>> import re 
>>> cc = "GT__abc23_1231:TF__XYZ451" 
>>> re.findall(r'\b([A-Za-z]+)__(\w+)', cc) 
[['GT', 'abc23_1231'], ['TF', 'XYZ451']] 

:があるかどうか調べることは役に立たない。
（注：。\w+後\bを追加する必要が、数量詞は貪欲であることから、ワード境界が暗黙的になり）

---

[EDIT]

あなたのコメントによると："私は最初に分割したい："、その後二重のアンダースコアで分割する。「、あなたがすべてで正規表現必要いけないかもしれない：あなたの質問のコードでは

>>> [x.split('__') for x in cc.split(':')] 
[['GT', 'abc23_1231'], ['TF', 'XYZ451']]