查找正则表达式匹配的字符串长度答案

【问题标题】：Find length of string matched by regex查找正则表达式匹配的字符串长度
【发布时间】：2015-04-02 23:14:00
【问题描述】：

我正在尝试编写一个脚本来解析由编译器/链接器生成的映射文件，如下所示：

%SEGMENT_SECTION
                                                      Start Address  End Address
--------------------------------------------------------------------------------
Segment Name: S1_1, Segment Type: .bss                0A000000       0A050F23
--------------------------------------------------------------------------------
area1_start.o (.bss)                                  0A000000       0A000003
...

                                                      Start Address  End Address
--------------------------------------------------------------------------------
Segment Name: S2_1, Segment Type: .bss                0A050F24       0A060000
--------------------------------------------------------------------------------
area2_start.o (.bss)                                  0A000000       0A000003

...

%NEXT_SECTION

我目前正在编写几个正则表达式（python 的 re 模块）来解析它，但我想以一种非常易于阅读的方式编写它们，这样解析起来非常简单。本质上：

with open('blah.map') as f:
    text = f.read()

# ... Parse the file to update text to be after the %SEGMENT_SECTION

match = segment_header_re.match(text)
seg_name, seg_type, start_addr, end_addr = match.groups()
# ... (Do more with matched values)

text = text[len(match.matched_str):]

# Parse the remainder of text

但是，我不知道如何获取匹配字符串的长度，就像我的match.matched_str 伪代码一样。我在 python 的 re 文档中没有看到任何内容。有没有更好的方法来进行这种类型的解析？

【问题讨论】：

标签： python regex parsing

【解决方案1】：

对于您想要实现的目标，请使用match.span 方法。

>>> 
>>> s = 'The quick brown fox jumps over the lazy dog'
>>> m = re.search('brown', s)
>>> m.span()
(10, 15)
>>> start, end = m.span()
>>> s[end:]
' fox jumps over the lazy dog'
>>>

或者只是 match.end 方法。

>>> s[m.end():]
' fox jumps over the lazy dog'
>>>

另一种选择是使用regular expression objects，它可以采用pos 和endpos 参数来将搜索限制为字符串的一部分。

>>> s = 'The quick brown fox jumps over the lazy dog'
>>> over = re.compile('over')
>>> brown = re.compile('brown')
>>> m_brown = brown.search(s)
>>> m_brown.span()
(10, 15)
>>> m_over = over.search(s)
>>> m_over.span()
(26, 30)

在brown 的匹配结束时开始搜索over。

>>> match = over.search(s, pos = m_brown.end())
>>> match.group()
'over'
>>> match.span()
(26, 30)

从over 的匹配末尾开始搜索brown，不会产生匹配。

>>> match = brown.search(s, m_over.end())
>>> match.group()

Traceback (most recent call last):
  File "<pyshell#71>", line 1, in <module>
    match.group()
AttributeError: 'NoneType' object has no attribute 'group'
>>> print(match)
None
>>>

对于长字符串和多次搜索，使用带有起始位置参数的正则表达式对象肯定会加快速度。

【讨论】：

OP 想要匹配字符串的长度，而不是它在完整字符串中的位置。在这种情况下，他会想要s[5:]，因为'brown' 的长度是5。你应该这样做s[end - start:]。
@iCodez .. 我可能是错的，但无论问题中的文本如何，看起来代码都试图通过删除已找到的内容来缩短正在搜索的 text。这就是我在这个答案中要解决的问题。
似乎我误解了正则表达式页面中组的定义，并认为我无法获得整个字符串。谢谢！

【解决方案2】：

您可以使用.group() 方法。整个匹配的字符串可以通过match.group(0)检索：

text = text[len(match.group(0)):]

演示：

>>> import re
>>> re.match('(a)bc(d)', 'abcde').group(0)  # 'e' is excluded since it wasn't matched
'abcd'
>>>
>>> # You can also get individual capture groups by number (starting at 1)
>>> re.match('(a)bc(d)', 'abcde').group(1)
'a'
>>> re.match('(a)bc(d)', 'abcde').group(2)
'd'
>>>

但是请注意，如果没有匹配，这将引发 AttributeError：

>>> re.match('xyz', 'abcde').group(0)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'
>>>

您可能希望在调用匹配对象上的方法之前实施检查以确保匹配成功。

【讨论】：