正則表達式 - 如何與子組工作

Question

可能重複：
Matching Nested Structures With Regular Expressions in Python

我試圖從一個wiki頁面匹配數據的一個組。下面列出了我使用的python代碼。問題在於，它返回到自己組的最後一個頁面中的最後一個}}。

def findPersonInfo(self): 
    if (self.isPerson == True): 
     regex = re.compile(r"{{persondata(.*)}}",re.IGNORECASE|re.UNICODE|re.DOTALL) 
     result = regex.search(self._rawPage) 
     if result: 
      print 'Match found: ', result.group() 

wiki頁面內容的示例：

*[http://www.jsc.nasa.gov/Bios/htmlbios/acaba-jm.html NASA biography] 

{{NASA Astronaut Group 19}} 

{{Persondata 
|NAME= Acaba, Joseph Michael "Joe" 
|ALTERNATIVE NAMES= 
|SHORT DESCRIPTION=[[Hydrogeologist]] 
|DATE OF BIRTH={{Birth date and age|1967|5|17}} 
|PLACE OF BIRTH=[[Inglewood, California]] 
|DATE OF DEATH= 
|PLACE OF DEATH= 
}} 
{{DEFAULTSORT:Acaba, Joseph M.}} 
[[Category:1967 births]] 

我現在的正則表達式將返回以下字符串：

{{Persondata 
|NAME= Acaba, Joseph Michael "Joe" 
|ALTERNATIVE NAMES= 
|SHORT DESCRIPTION=[[Hydrogeologist]] 
|DATE OF BIRTH={{Birth date and age|1967|5|17}} 
|PLACE OF BIRTH=[[Inglewood, California]] 
|DATE OF DEATH= 
|PLACE OF DEATH= 
}} 
{{DEFAULTSORT:Acaba, Joseph M.}} 

我想它返回：

{{Persondata 
|NAME= Acaba, Joseph Michael "Joe" 
|ALTERNATIVE NAMES= 
|SHORT DESCRIPTION=[[Hydrogeologist]] 
|DATE OF BIRTH={{Birth date and age|1967|5|17}} 
|PLACE OF BIRTH=[[Inglewood, California]] 
|DATE OF DEATH= 
|PLACE OF DEATH= 
}} 

棘手的是它需要計數其他r {{打開並}}關閉以知道我想要停止的組，但我不知道如何讓正則表達式來做到這一點。

Answer 1

{{persondata(.*)}}會貪婪地匹配。即它會嘗試返回儘可能長的比賽。如果你想獲得最短的匹配，你應該使用{{persondata(.*?)}}。 （是不是有這個名字，也許節儉匹配？）

但是，在這種情況下，你的字符串中有另一個}}。你可以像{{persondata((?:.*)}}(?:.*))}}那樣聰明，但一般來說，只要你到達遞歸結構（嵌套自己的結構），你應該放棄正則表達式並轉向正確的解析解決方案。您可能想要查看pyparsing。

Answer 2

PyPI上有一個爲此目的而創建的模塊。見mwparserfromhell。