正则表达式返回第一个和最后一个匹配，而不是在匹配括号之间返回第一个和第二个匹配答案

【问题标题】：regex returns first and last match instead of returning first and second match inbetween matching parenthesis正则表达式返回第一个和最后一个匹配，而不是在匹配括号之间返回第一个和第二个匹配
【发布时间】：2021-06-17 09:37:59
【问题描述】：

我正在尝试解析文本以提取所需的字符串。我在regex 中遗漏了一些东西，有人可以帮我找出这里的问题吗？

这是我的脚本：

import re
a = """
    block1
          #(/*AUTOINSTPARAM*/
        // Parameters
        .THREE          (3),     // comment
        .TWO            (2), // comment
        .ONE    (1))             // comment
        inst1
           (/*AUTOINST*/
        // extra
        // output

    block2
          #(/*AUTOINSTPARAM*/
        // Parameters
        .THREE          (3),     // comment
        .TWO            (2), // comment
        .ONE    (1))             // comment
        inst2
           (/*AUTOINST*/
        // extra
        // output
"""

op = re.findall(r'(\w+)\s*(#\(.*\))?.*?(\w+)\s*\(', a, re.MULTILINE|re.DOTALL)
for i in op:
    print(i[0],i[2])

这是输出：

('block1', 'inst2')

预期输出：

('block1', 'inst1')
('block2', 'inst2')

更新：尝试测试与接受的答案相同的正则表达式的以下输入：

import re
a = """
    except_check
          #(
            .a        (m),
            .b        (w),
            .c        (x),
            .d        (1),
            .e        (1)
        )
        data_check
           (// Outputs

  abc
  #(
    .a                          (b::c)
   )
   mask
   (/*AUTOINST*/

"""

op = re.findall(r'^\s*(\w+)\s*$\n(?:^\s*[#/.].*$\n)*^\s*(\w+)\s*\(', a, re.MULTILINE)
for i in op:
    print(i)

它没有返回任何东西。它应该返回以下内容：

('except_check', 'data_check')
('abc', 'mask')

【问题讨论】：

如果您有新问题，请提出新问题，或者如果您接受的答案不可接受，则不接受。

标签： python python-3.x regex python-2.7

【解决方案1】：

请您尝试以下方法：

#op = re.findall(r'^\s*(\w+)\s*$\n(?:^\s*[#/.].*$\n)*^\s*(\w+)\s*\(', a, re.MULTILINE)
op = re.findall(r'^\s*(\w+)\s*$\n(?:^\s*[^\w\s].*$\n)*^\s*(\w+)\s*\(', a, re.MULTILINE)
for i in op:
    print(i)

输出：

('block1', 'inst1')
('block2', 'inst2')

^\s*(\w+)\s*$\n 匹配块名行
(?:^\s*[^\w\s].*$\n)* 匹配参数行
^\s*(\w+)\s*\( 匹配实例名称行

请注意，我已禁用 re.DOTALL 选项（尽管解决此问题很简单）。

【讨论】：

非常感谢！它就像一个魅力！
感谢您的反馈。很高兴知道它有效。
@stackoverflow.com/users/8572380/tshiono 我正在尝试对此输入使用相同的正则表达式：except_check #( .a (m), .b (w), .c (x), .d (1) , .e (1) ) data_check (// 输出但无法获得所需的输出 ('except_check', 'data_check')。知道为什么吗？
在我的环境中它也可以正常工作。您可以不在评论中发布输入，而是添加到您的问题以保留换行符和缩进。然后我也会用它来测试。
感谢您的更新。我已经根据您的输入修改了我的正则表达式。旧的被注释掉，仅供参考。

【解决方案2】：

问题是.* 尽可能匹配（贪婪），而re.DOTALL 它将尽可能少地匹配整个字符串 leavig 以仍然匹配 /em>。

(\w+)\s*(#\(.*\))?.*?(\w+)\s*\(
            ^^ this one

基本上任何带有.* 的正则表达式（如果允许. 真正捕获所有内容）只会匹配一次或根本不匹配，因为它能够匹配r 表达式的其余部分也可以匹配的任何内容。

仅使用.*? 也无法解决此问题，因为：

字符串的另一个问题是括号。正则表达式（没有一些花哨的扩展）只能匹配有限嵌套的括号。假设 AUTOINSTPARAM 块中的最大嵌套深度为 2，则以下正则表达式将起作用：

vvvvv blockX                                    vvvvv instX
(\w+)\s*(#\([^(]*(\([^)]*\)[^()]*)*\))?[^\n]*\s*(\w+)\s*\(
                  ^^inner^^
          ^^ outer bracket         ^^

这些[^()] 组位于. 的位置，以防止它通过忽略它们而吃掉任何损坏的括号。如果您对格式有更多了解，则可以进一步缩小范围。

另请注意，此正则表达式假定最后一个 ) 和 instX 之间的注释与 [^\n]*\s* 匹配，并且它将接受括号内不是括号的任何内容。

【讨论】：

它对我不起作用，因为参数不固定，我需要在正则表达式中将所有参数作为可选参数。
但是参数被正则表达式完全忽略。外括号部分将消耗#(/*AUTO... 和) //comment 之间的任何内容。

【解决方案3】：

如果第二组的单词字符在 2 个右括号之后，您可以省略 re.DOTALL 并使用例如使用 [\s\S]*? 匹配的跨越多行的模式，直到遇到 2 个连续的括号.

此模式基于示例数据，可能容易出错，因为它依赖于 2 括号作为块 2 之前的最后一部分。

^\s*(\w+)\r?\n\s*#\([\s\S]*?\)\s*\).*\r?\n\s*(\w+)

Regex demo

另一个选项可能是匹配第一个块之后不以单词字符开头的行，并在第 2 组中捕获该行的单词字符。

^\s*(\w+)\r?\n[^\S\r\n]*#\(.*(?:\r?\n(?![^\S\r\n]*\w).*)*\r?\n[^\S\r\n]+(\w+)

Regex demo

【讨论】：