将 C++ Boost 正则表达式转换为 Python 正则表达式 [关闭]

Question

目的是将C++ boost 中的这些正则表达式转换为Python re 正则表达式：

  typedef boost::u32regex tRegex;

  tRegex emptyre = boost::make_u32regex("^$");
  tRegex commentre = boost::make_u32regex("^;.*$");
  tRegex versionre = boost::make_u32regex("^@\\$Date: (.*) \\$$");
  tRegex includere = boost::make_u32regex("^<(\\S+)$");
  tRegex rungroupre = boost::make_u32regex("^>(\\d+)$");
  tRegex readreppre = boost::make_u32regex("^>(\\S+)$");
  tRegex tokre = boost::make_u32regex("^:(.*)$");
  tRegex groupstartre = boost::make_u32regex("^#(\\d+)$");
  tRegex groupendre = boost::make_u32regex("^#$");
  tRegex rulere = boost::make_u32regex("^([!-+^])([^\\t]+)\\t+([^\\t]*)$");

我可以一一重写这些正则表达式，但是上面的例子还有很多，所以我的问题是关于

• 如何将 C++ boost 正则表达式转换为 Python 和
• boost regex 和 python re regex 有什么区别？

C++ boost::u32regex 是否与 python 中的 re 正则表达式相同？ 如果不是，有什么区别？ （文档的链接将不胜感激=））例如：

• 在boost中，有boost::u32regex_match，是一样的吗 re.match?
• boost里面有boost::u32regex_search，和re.search有什么区别
• 还有boost::format_perl和boost::match_default和boost::smatch，它们在pythonre中的等价物是什么？

Answer 1

如何将 C++ boost 正则表达式转换为 Python

如果是简单的正则表达式，例如\w+\s+\d+ 或>.*$，您无需更改模式。如果使用下面提到的构造更复杂的模式，您很可能必须重新编写正则表达式。与从一种风格/语言到另一种风格/语言的任何转换一样，一般的答案是不要。但是，Python 和 Boost 确实有一些相似之处，尤其是在涉及包含点 (a.*b)、常规 ([\w-]*) 和否定 ([^>]*) 字符的简单模式时（如果 Boost 使用类似 PCRE 的模式）类，常规量词，如 +/*/? 等。

boost正则表达式和pythonre正则表达式有什么区别？

Python re module 没有 Boost regexps 丰富（只需提及 \h, \G, \K, \R, \X, \Q...\E, branch reset, recursion, possessive quantifiers, POSIX character classes and character properties、extended replacement pattern 等结构），以及 Boost 的其他功能已。 (?imsx-imsx:pattern) 仅限于 Python 中的整个表达式，而不是其中的一部分，因此您应该知道 &|&#((?i)x26);|& 中的 (?i) 将被视为位于模式的开头（但是，它对这个表达式没有任何影响）。

此外，与在 Boost 中一样，您不必在字符类内转义 [，在字符类外转义 {。

\1 之类的反向引用与 Python 中的相同。

由于您没有在模式中交替使用捕获组（例如re.sub(r'\d(\w)|(go\w*)', '\2', 'goon')），所以应该没有问题（在这种情况下，Python 不会用任何值填充非参与组，并返回一个空结果）。

注意命名组定义的区别：Boost 中的 (?<NAME>expression)/(?'NAME'expression) 和 Python 中的 (?P<NAME>expression)。

我看到您的正则表达式主要属于“简单”类别。最复杂的模式是tempered greedy token（例如⌊-((?:(?!-⌋).)*)-⌋）。要优化它们，您可以使用 unroll the loop 技术，但可能没有必要，具体取决于您使用表达式处理的文本大小。

在我看来，最麻烦的部分是您大量使用 Unicode 文字。在 Python 2.x 中，所有字符串都是字节数组，您必须始终确保将 unicode 对象传递给 Unicode 正则表达式（请参阅Python 2.x’s Unicode Support）。在 Python 3 中，默认情况下所有字符串都是 UTF8，您甚至可以在源代码中使用 UTF8 文字字符而无需任何额外操作（请参阅Python’s Unicode Support）。因此，Python 3.3+（支持原始字符串文字）是一个不错的选择。

现在，关于剩下的问题：

boost里面有boost::u32regex_match，和re.match一样吗？

re.match 与 regex_match 不同，因为re.match 正在寻找匹配字符串开头的，而regex_match 需要完整的字符串匹配。但是，在 Python 3 中，您可以使用与 Boost regex_match 等效的 re.fullmatch(pattern, string, flags=0)。

boost里面有boost::u32regex_search，和re.search有什么区别

当您需要在字符串中的任何位置查找匹配项时，您需要使用re.search（请参阅match() versus search()）。因此，此方法提供了与 Boost 中的 regex_search 类似的功能。

还有boost::format_perl和boost::match_default和boost::smatch，它们在python中的等价物re是什么？

Python 在 Boost 所能支持的范围内不支持类似 Perl 的表达式，Python re 模块只是一个“修剪过的” Perl 正则表达式引擎，没有我前面提到的许多好的特性。因此，在那里找不到像 default 或 perl 这样的标志。至于smatch，你可以使用re.finditer获取所有match objects。 re.findall 将所有匹配项（或仅在指定捕获组时的子匹配项）作为字符串列表/元组列表返回。请参阅re.findall/re.finditer difference。

最后，必读文章Python’s re Module。