在 Python 中捕获重复的模式

Question

我正在尝试为 Python 日志格式化程序实现某种类似于降价的行为。

我们以这个字符串为例：

**This is a warning**: Virus manager __failed__

经过一些正则表达式后，字符串失去了类似 markdown 的语法，并被转换为 bash 代码：

\033[33m\033[1mThis is a warning\033[0m: Virus manager \033[4mfailed\033[0m\033[0m

但是应该压缩成

\033[33;1mThis is a warning\033[0m: Virus manager \033[4mfailed\033[0m

除了许多其他不起作用的解决方案之外，我尝试了这些：

(\\033\[([\d]+)m){2,} => 捕获：\033[33m\033[1m with g1 '\033[1m' and g2 '1' and \033[0m\033[0mwith g1 '\033[0m' and g2 '0'

(\\033\[([\d]+)m)+很多结果，不行

(?:(\\033\[([\d]+)m)+)很多结果，虽然如果我理解正确的话，这是重复模式的推荐方式，不行

还有其他……

我的目标是得到结果：

输入 \033[33m\033[1mThis is a warning\033[0m: Virus manager \033[4mfailed\033[0m\033[0m

输出

匹配 1 033[33m\033[1m

组 1：33

组 2：1

第 2 场比赛 033[0m\033[0m

组 1：0

组 2：0

换句话说，捕获那些“重复”的而不是单独的，这样我就可以将它们与正则表达式子融合。

Answer 1

您想匹配连续重复的\033[\d+m 文本块，并用分号连接[ 之后的数字。

你可以使用

re.sub(r'(?:\\033\[\d+m){2,}', lambda m: r'\033['+";".join(set(re.findall(r"\[(\d+)", m.group())))+'m', text)

见Python demo online

(?:\\033\[\d+m){2,} 模式将匹配两个或多个 \033[ 序列 + 一个或多个数字 + m 文本块，然后，匹配将传递给 lambda 表达式，其中输出将是：1 ）\033[，2）[之后的所有数字用re.findall(r"\[(\d+)", m.group())提取并用set去重，然后3）m。

Answer 2

问题中没有明确说明要修改的字符串中的模式。例如，033 是固定的还是025 甚至25？我在使用正则表达式时做了一些假设

r" ^(\\0(\d+)\[\2)[a-z]\\0\2\[(\d[a-z].+)

获取两个要合并的捕获组，用分号分隔。我试图在下面阐明我的假设，部分是为了帮助 OP 修改这个正则表达式以满足替代要求。

Demo

正则表达式执行以下操作：

^           # match beginning of line
(           # begin cap grp 1
  \\0       # match '\0'
  (\d+)     # match 1+ digits in cap grp 2
  \[        # match '['
  \2        # match contents of cap grp 2
)           # end cap grp 1
[a-z]       # match a lc letter
\\0         # match '\0'      
\2          # match contents of cap grp 2
\[          # match '['
(\d[a-z].+) # match a digit, then lc letter then 1+ chars to the
            #   end of the line in cap grp 3

如您所见，第 1 组中捕获的字符串部分是

\033[33

我假设这个字符串现在是033 的部分必须是两个或多个以零开头的数字，并且数字字符串的第二次出现由零之后的相同数字组成。这是通过在捕获组 2 中捕获 '0' (33) 之后的数字，然后使用反向引用 \2 来完成的。

字符串的下一部分将被替换，因此不会被捕获：

m\\033[

我假设 m 必须是一个小写字母（或者应该是文字 m？），反斜杠和零以及必需的数字必须再次与捕获组 2 的内容匹配。

字符串的剩余部分，

1mThis is a warning\033[0m: Virus manager \033[4mfailed\033[0m\033[0m

在捕获组 3 中被捕获。这里我假设它以一个数字开头（也许应该是 \d+），后跟一个不必与之前匹配的小写字母相同的小写字母（尽管这可以通过另一个捕获组来强制执行）。那时我将行的其余部分与.+ 匹配，放弃了该部分字符串中的匹配模式。

一个也可以只有两个捕获组，现在是#2 的捕获组变成#1，而#2 是字符串中要被分号替换的部分。

Answer 3

对于您在此处描述的情况，这非常简单；只需从左到右写出您想要匹配和捕获的内容。在这里重复捕获块对您没有帮助，因为只会返回最近捕获的值。

\\033\[(\d+)m\\033\[(\d+)m