带有可选文本块的正则表达式

Question

我正在使用正则表达式解析结构化文本，如下所示，插入符号标记我要匹配的内容：

block 1
^^^^^^^
    subblock 1.1
        attrib a=a1
    subblock 1.2
        attrib b=b1
                 ^^
block 2
    subblock 2.1
        attrib a=a2
block 3
^^^^^^^
    subblock 3.1
        attrib a=a3
    subblock 3.2
        attrib b=b3
                 ^^

子块可能会出现在块内，也可能不会出现，例如：子块 2.2.

预期的匹配是[(block1,b1), (block3,b3)]。

/(capture block#)[\s\S]*?attrib\sb=(capture b#)/gm

但这最终匹配 [(block1, b1), (block2, b3)].

我在哪里做错了正则表达式？

Answer 1

你可以使用

(?m)(^block\s*\d+).*(?:\n(?!block\s*\d).*)*\battrib\s*b=(\w+)

见the regex demo

正则表达式基于展开循环技术。这是一个解释：

• (?m) - 使^ 匹配行首的多行修饰符
• (^block\s*\d+) - 匹配并捕获 block + 可选空格 + 1+ 数字（第 1 组）
• .* - 匹配 行 的其余部分（因为不应打开 DOTALL 选项）
• (?:\n(?!block\s*\d).*)* - 匹配后面不是单词的任何文本 block 后跟可选的空格，后跟数字（这样就设置了边界）
• \battrib\s*b=(\w+) - 匹配整个单词 attrib 后跟 0+ 个空格，文字 b=，并匹配并捕获 1+ 个字母数字或下划线（注意：这可以根据您的真实数据进行调整）(\w+)

Python demo:

import re
p = re.compile(r'(?m)(^block\s*\d+).*(?:\n(?!block\s*\d).*)*\battrib\s*b=(\w+)')
s = "block 1\n    subblock 1.1\n        attrib a=a1\n    subblock 1.2\n        attrib b=b1\nblock 2\n    subblock 2.1\n        attrib a=a2\nblock 3\n    subblock 3.1\n        attrib a=a3\n    subblock 3.2\n        attrib b=b3"
print(p.findall(s))

Answer 2

这个正则表达式呢？ https://regex101.com/r/yZ4fL9/1

block (\d).*?attrib b=b(\1)