Python正则提取子串报ValueError及目标分组内容提取方法

两个报错的根因如下：

1. ValueError: too many values to unpack (expected 1)：你的正则一共定义了7个捕获组，l.groups()会返回长度为7的元组，association, = l.groups()的写法要求元组长度必须为1才能解包，长度不匹配就触发报错。
2. ValueError: not enough values to unpack (expected 2, got 0)：首先正则捕获组的序号从1开始计数，你要的目标分组是第7位不是第6位；其次l.group()返回的是单个字符串，你用association, _temp = 字符串的写法相当于要把字符串拆成两个字符分别赋值，字符串长度小于2就会触发报错。

推荐使用命名捕获组，避免手动数序号出错，修改正则给目标分组加命名标识：

regex_what_who = r"(.*)\¿?(que sabes|que sabias|que sabrias|que te referis|que te refieres|que te referias|que te habias referido|que habias referido|a que|que|quienes|quien)\s*(con que|con lo que|con la que|con|acerca de que|acerca de quienes|acerca de quien|sobre de que|sobre que|sobre de quienes|sobre quienes|sobre de quien|sobre quien|)\s*(son|sean|es|serian|seria)\s*(iguales|igual|similares|similar|parecidos|parecido|comparables|comparable|asociables|asociable|distinguibles|distinguible|distintos|distinto|diferentes|diferente|diferenciables|diferenciable|)\s*(a |del |de |)\s*(?P<target>(?:\w+\s*)+)?"

后续直接通过分组名取值即可，不受正则调整、分组序号变化的影响。

a) 完整提取匹配内容、保留空格 #

直接取命名分组的值，补充非空判断避免无匹配时报错：

if l:
    full_content = l.group('target')
    # 不想用命名分组也可以用序号写法：full_content = l.group(7)
    if full_content:
        full_content = full_content.strip()
    # 后续业务逻辑

你测试的输入Que son los cometas场景下，full_content会得到los cometas。

b) 仅提取到第一个空格为止的内容 #

拿到完整内容后用split()分割取第一个元素即可，split()默认按任意空白字符分割，会自动忽略开头空格：

if l:
    full_content = l.group('target')
    if full_content:
        first_part = full_content.strip().split()[0]
    # 后续业务逻辑

你测试的输入场景下，first_part会得到los。

内容的提问来源于stack exchange，提问作者user15898019