使用正则表达式从 git 日志中获取注释块答案

【问题标题】：Use regex to get comment block from a git log使用正则表达式从 git 日志中获取注释块
【发布时间】：2013-07-03 14:10:28
【问题描述】：

我遇到了一些可能非常简单的问题，但我找不到解决方案。几天以来我一直在使用 Python，我需要使用正则表达式来获取文件的一部分。

我将git log -p 的结果放入一个文件中，现在我想提取一些信息。我唯一无法提取的是评论块。

此块位于：日期线与（差异线或列表末尾）之间。

...
Date:   Wed Jul 3 22:32:36 2013 +0200

    Here is the comment
    of a commit

    and I have to
    extract it

diff --git a/dir.c b/dir.c
...

...
Date:   Wed Jul 3 22:32:36 2013 +0200

    Here is the comment
    of a commit

    and I have to
    extract it

所以我尝试这样做：

commentBlock = re.compile("(?<=Date:.{32}\n\n).+(?=|\n\ndiff)", re.M|re.DOTALL)
findCommentBlock = re.findall(commentBlock,commitBlock[i]) # I've splited my git log everytime I find a "commit" line.

问题是：

日期线的长度可以改变。如果日期在 1 日到 9 日之间，则可以是 Date:.{32}；如果日期是 2 个数字，则可以是 Date:.{33}。
我不知道怎么说：“当一行以diff 开头或当它是列表（或文件）的末尾时，注释块停止”。

附：我正在使用 Python 3.x，我几乎完成了我的脚本，所以我真的不想使用像 GitPython 这样的特定工具（仅适用于 2.x）

【问题讨论】：

标签： python regex python-3.x

【解决方案1】：

这是一种方法：

rgx = re.compile(r'^Date: .+?\n+(.+?)(?:^diff |\Z)', re.MULTILINE | re.DOTALL)
comments = rgx.findall(txt)

一些注意事项：

我认为您不必担心日期变更线的长度。
捕获您关心的部分。这有两个含义。 (1) 要忽略日期行，只需通过第一个换行符（非贪婪地）消耗所有内容。 (2) 你不需要前瞻断言；非捕获组(?:...) 可以正常工作。
将捕获的通配符也设为非贪婪可能是个好主意：.+?。
您可以在正则表达式中使用\Z 指示字符串的结尾。因此，非捕获组意味着：(a) 以“diff”开头的行或 (b) 字符串结尾。
有关正则表达式功能的更多详细信息，请参阅优秀的Python docs。

【讨论】：

它完美地工作到最后。如何更改您的代码以仅提取注释块？我不想得到日期线。谢谢你的笔记！ :D
太好了，谢谢！不过我还是有问题。我有这个：('Date: Wed Jul 3 22:32:36 2013 +0200\n\n my comment block', ' my comment block ')。我怎样才能得到第二部分？（不知道我是否清楚）
确实，我的错！非常感谢FMc :D

【解决方案2】：

虽然日期的长度可能会发生变化，但它肯定会以换行符结束，那么为什么要限制字符数呢？

无论如何，您应该能够执行{32,33} 之类的操作来捕获范围。

【讨论】：

你说得对。使用FMc解决方案，我写^Date:.{32,33}\n\n.+?(?=^diff |\Z)时不起作用，对不起，我对正则表达式仍然很困惑

【解决方案3】：

试试这个：

re.findall('Date:.+?\n\s*(.+?)\s*(?:diff|$)', text, re.S)

这应该返回一个评论条目列表，假设所有日志条目都遵循您在此处列出的相同模式。

【讨论】：