Python /正則表達式分割特定格式的返回字符串

Question

我正在使用搜索&替換編程分配。我是一名學生，我發現正則表達式文檔有點壓倒性（例如https://docs.python.org/2/library/re.html），所以我希望這裏有人能向我解釋如何完成我期待的內容。

我用正則表達式從我的文檔中獲取字符串列表。他們都看起來像這樣：

%@import fileName (regexStatement) 

一個實際的例子：

%@import script_example.py (*out =(.|\n)*?return out) 

現在，我不知道我怎麼可以拆分這些，所以我得到的文件名和regexStatements作爲單獨的字符串。我假設使用正則表達式或字符串拆分函數，但我不知道如何使它適用於％@ import fileName（regexstatement）的各種變體。例如，使用圓括號進行分割可能會碰到正則表達式語句的中間，或者如果括號是fileName的一部分。該作業沒有指定它是否應該只能從python文件導入，所以我不相信我可以在「正則表達式」語句之前使用「.py（」作爲分割點。類似於正則表達式「％@ import」來導入導入後的空白，「\ .. *」擊中fileName之後的空白。但我不確定如何擺脫包圍正則表達式的括號，或者如何使用它的所有實際正確分割字符串，所以我有一個變量存儲文件名和一個存儲regexStatement在我的列表中的每個條目。

非常感謝您的關注！

Answer 1

如果文件名不能包含空格，只是分割你的字符串與maxsplit 2位：

>>> line.split(' ', 2) 
['%@import', 'script_example.py', '(*out =(.|\n)*?return out)'] 

的maxsplit 2使它只拆分前兩個空間，並留下完整的正則表達式中的任何空間。現在你有第二個元素的文件名和第三個正則表達式。從您的陳述中不清楚括號是否是正則表達式的一部分（即作爲捕獲組）。如果沒有，您可以通過修剪該部分的第一個和最後一個字符來輕鬆刪除它們。

如果分配的值是這樣的：

filename, regex = line.split(' ', 2)[1:] 

，那麼你可以用剝離括號：

regex = regex[1:-1] 

Answer 2

應該這樣做很好

^%@import (\S+) \((.*)\) 

，或者，如果文件名可能有空格：

^%@import ((?:(?! \().)+) \((.*)\) 

這兩個表達式都包含兩個組，一個用於文件名，另一個用於括號內容。無論如何，如果您使用單行，則可以在整個文件中以多行模式運行，也可以在正常模式下運行。

此：((?:(?! \().)+)擊穿爲：

 
(   # group start 
    (?:   # non-capturing group 
    (?!  #  negative look-ahead: a position NOT followed by 
     \( #  " (" 
    )   #  end look-ahead 
    .   #  match any char (this is part of the filename) 
)+   # end non-capturing group, repeat 
)    # end group 

表達的其他位應該是不言自明的。

---

import re 

line = "%@import script_example.py (*out =(.|\\n)*?return out)" 
pattern = r'^%@import (\S+) \((.*)\)' 

match = re.match(pattern, line) 

if match: 
    print "match.group(1) '" + match.group(1) + "'" 
    print "match.group(2) '" + match.group(2) + "'" 
else: 
    print "No match." 

打印

 
match.group(1) 'script_example.py' 
match.group(2) ' *out =(.|\n)*?return out' 

Answer 3

對於像%@import script_example.py (*out =(.|\n)*?return out)匹配的東西，我建議：

r'%@impor[\w\W ]+' 

DEMO

需要注意的是：

\w match any word character [a-zA-Z0-9_] 
\W match any non-word character [^a-zA-Z0-9_] 

所以你可以使用re.findall()對發現的所有比賽：

​​