Python正则表达式匹配特定的字符序列

Question

我是 Python 中正则表达式的一个非常基本的用户，需要一些专家建议 解决一个使用正则表达式的问题。

我正在尝试使用以下规则从字符串中提取一些信息。

1. 以 $( 开头
2. 开始标签后必须有一个词。
3. 可选，后面可能包含的单词
   • 除 ' 和 " 以外的任何字符 [如果单独使用而不成对使用] 直到结束字符 )
   • ' 和 " [如果单独使用而不成对使用] 仅在使用 \
   • 甚至可以允许 ) 如果包含在 '' 或 "" 中。
4. 以 ) 结尾

作为一种解决方案，如果允许以某种方式在字符集 [] 中定义和使用特殊类型的字符，那将很容易。

例如：

re.compile("""\$\((\w*)
              [(any characters except ' and " [if used singly not in pairs] )
               (' and " [if used singly not in pairs] are allowed only if escaped using a \)
               ( even ) if enclosed within '' or "")
              ]\)""", re.VERBOSE)

一些测试：

• this $(listInput) tail -> listInput
• 这个 $(listInput:DS) 尾部 -> listInput:DS
• 这个 $(listInput:J=") ":S=.o) 尾巴 -> listInput:J=") ":S=.o
• this $(listInput:J=join\'with) tail -> listInput:J=join'with

是否可以在 Python 中做这样的事情，或者我对解决方案的方法不是 Pythonic ？ 还建议，如果有更好的解决方案。

谢谢

Answer 1

这个似乎按照你的要求做：

^\$\((\w(?:\w|[^)\\"']|"[^"]*"|'[^']*'|\\"|\\')*)\)

分解：

^                   # start of string
\$\(                # "$("
(                   # start group 1
  \w                  # a word character
  (?:                 # start non-capturing group, one of:
    \w                  # a word character
    |                   # or
    [^)\\"']            # anything except ")" and special characters
    |                   # or
    "[^"]*"             # a double-quoted section
    |                   # or
    '[^']*'             # a single-quoted section
    |                   # or
    \\"                 # a backslash-escaped double quote
    |                   # or 
    \\'                 # a backslash-escaped single quote
  )*                  # end group, repeat
)                   # end group 1
\)                  # ")"

它与您的示例所需的匹配。

缺点：

• 在没有更好的“单词”规范的情况下，我使用了\w。熟悉 \w 匹配的内容，并在必要时使用更具体的内容。
• 不允许引用嵌套。 （这是 Python 正则表达式无法做到的）
• 它在引用部分的结束引号上运行。需要更多信息才能做到这一点。
• 引用部分中没有转义引号（尽管可以添加）

测试：

regex = re.compile("^\$\((\w(?:\w|[^)\\\"']|\"[^\"]*\"|'[^']*'|\\\"|\\')*)\)")
string = "$(listInput:J=join\'with) tail"

r = regex.search(string)

r.groups()
# -> (u"listInput:J=join\\'with",)

regex.findall(string)
# -> [u"listInput:J=join\\'with"]