Python regex:跨多行搜索

Question

我正在编写一个python脚本来解析包含以下数据的文件：

// some more entries with different structures.
leaf a include-1 {
 type 1;
 description "test1";
}
leaf b include-2 {
 type string;
 description "test2";
}
// some other entries

我想获得我所有的叶子名称和它的描述，例如：

a test1
b test2

我尝试了以下操作：

 regExStr = '^leaf.*{.*include-.*}$'
 compiled =  re.compile(regExStr, re.DOTALL | re.MULTILINE)
 matched = compiled.search(line)

换句话说，我想从leaf开始搜索，然后是任意数字字符，然后是{，然后是include-，最后是}

因为我已经使用了re.DOTALL | re.MULTILINE，所以我的.也包含了新的一行。

但是我不能得到想要的结果。这里我漏掉了什么？

Answer 1

可以使用re.S (=re.DOTALL)修饰符使用正则表达式跨多行进行搜索。为了能够匹配行首，应该使用re.M (多行模式)。这些名称有点棘手，但它们可以组合在一起。

您可以使用更新的正则表达式获取结果：

p = re.compile(r'^leaf\s+(\S+)[^{]*\{[^}]*\bdescription\s+"([^"]+)"[^}]*}', re.S|re.M)
test_str = "leaf a include-1 {\n type 1;\n description \"test1\";\n}\nleaf b include-2 {\n type string;\n description \"test2\";\n}"
print ["%s %s"%(x.group(1), x.group(2)) for x in re.finditer(p, test_str)]

请参阅IDEONE demo

输出：

['a test1', 'b test2']

正则表达式匹配：

• ^ - line
• leaf的开始-全词literally
• \s+(\S+) -1或更多空格，然后捕获一个或更多非空格characters
• [^{]* -0或更多除{
• \{之外的字符的序列-文字{
• [^}]* -0或更多不同于}
• \bdescription的字符-全词description
• \s+"([^"]+)" -1或更多空格符号，然后是"，然后捕获除双引号以外的1个或多个字符，然后匹配除quote
• [^}]*
• }以外的另一个双}.

-0或多个字符-文字}.

Answer 2

如果格式始终相同，则可以使用dict和str.split：

d = {}
with open("in.txt") as f:
    for line in f:
        if line.startswith("leaf"):
            key = line.split(None,2)[1]
            next(f)
            val = next(f).split()[-1].strip(";\n")
            d[key]=val

for k,v in d.items():
    print(k,v)

输出：

('a', '"test1"')
('b', '"test2"')

Answer 3

我使用了finditer，这样你就可以遍历多个匹配：

import re

line = """leaf a include-1 {
 type 1;
 description "test1";
}
leaf b include-2 {
 type string;
 description "test2";
}"""

regExStr = '^leaf (\w) include-.*?description \"(.*?)\";.*?}'
compiled =  re.compile(regExStr, re.DOTALL | re.MULTILINE)
matched = compiled.finditer(line)
for m in matched:
    print m.groups()

打印：

('a', 'test1')
('b', 'test2')

您可以看到，每个结果都是一个元组，其中第一个元素(m.group(1))是您的叶子名称，第二个元素(m.group(2))是描述。