Python中的非贪婪dotall正则表达式答案

【问题标题】：Non greedy dotall regex in PythonPython中的非贪婪dotall正则表达式
【发布时间】：2014-07-31 09:33:56
【问题描述】：

我需要解析用 PHP 编写的方法的注释。我写了一个正则表达式（见下面的简化示例）来搜索它们，但它没有按预期工作。它不是匹配/** 和*/ 之间的最短文本部分，而是匹配源代码的最大数量（以前的方法带有注释）。我确定我使用的是正确的.*? 非贪婪版本的*，并且我没有发现任何证据表明 DOTALL 将其关闭。请问可能是哪里出了问题？谢谢你。

p = re.compile(r'(?:/\*\*.*?\*/)\n\s*public', re.DOTALL)
methods = p.findall(text)

【问题讨论】：

对我来说很好。删除re.DOTALL 是否会使其突然再次起作用？
您能include some sample data for text in a triple-quoted string，这样我们可以将示例复制粘贴到解释器会话中，然后自己查看问题吗？（如果您将示例复制粘贴到解释器会话中，请确保示例数据显示问题。）
举个例子会更好。
不，没有re.DOTALL，它根本无法工作 - 什么也没找到。
\s 也匹配 \n 字符。

标签： python regex search non-greedy

【解决方案1】：

我认为你正在尝试得到这个，

>>> text = """ /** * comment */ class MyClass extens Base { /** * comment */ public function xyz """
>>> m = re.findall(r'\/\*\*(?:(?!\*\/).)*\*\/\s*public', text, re.DOTALL)
>>> m
['/** * comment */ public']

如果您不想在决赛中使用public，请使用下面的正则表达式，该正则表达式使用正向预测，

>>> m = re.findall(r'\/\*\*(?:(?!\*\/).)*\*\/(?=\s*public)', text, re.DOTALL)
>>> m
['/** * comment */']

【讨论】：

很抱歉让您感到困惑。当public 之前没有注释时，我必须找到public function xyz 文本，因为我也解析方法头。
请在您的问题中发布实际输入。
感谢您的愿意，user3853423已经回答了我的问题。
我想他只是解释了我的正则表达式而已

【解决方案2】：

正则表达式引擎从左到右解析。惰性量词将尝试从当前匹配位置开始尽可能少地匹配，但它不能将匹配开始向前推进，即使这会减少匹配的文本数量。这意味着不是从public 之前的最后一个/** 开始，而是从第一个/** 匹配到附加到public 的下一个*/。

如果您想从评论中排除 */，您需要将 . 与前瞻断言组合在一起：

(?:(?!\*/).)

(?!\*/) 断言我们匹配的字符不是*/ 序列的开始。

【讨论】：

应该是这个样子？ p = re.compile(r'(?:/\*\*(?!\*/).*?\*/)\n\s*public', re.DOTALL)
@user3853423：是的，我刚刚意识到我忘了提到断言必须与. 分组，所以*? 每次都会运行断言。它应该看起来像r'(?:/\*\*(?:(?!\*/).)*?\*/)\n\s*public'。顺便说一句，这个正则表达式很混乱，使用verbose mode 可能是个好主意。
我现在正在使用r'(?:/\*\*(?:(?!\*/).)*?\*/)\s*public'，但我发现我找不到没有注释的方法（示例输入中省略了第二条注释）尽管有 ?: 在正则表达式的开头.请问怎么了？
@user3853423：我认为这就是你想要的。 ?: 不代表可选；这意味着不捕获。如果你想让它成为可选的，在组后面加上一个?。

【解决方案3】：

你应该可以使用这个：

\/\*\*([^*]|\*[^/])*?\*\/\s*public

这将匹配任何不是星号 (*) 的符号，如果是星号，则不允许其后跟正斜杠。这意味着它应该只捕获在公开之前而不是更早关闭的 cmets。

示例：http://regexr.com/398b3

解释：http://tinyurl.com/lcewdmo

免责声明：如果评论中包含*/，这将不起作用。

【讨论】：

【解决方案4】：

# Some examples and assuming that the annotation you want to parse
# starts with a /** and ends with a */.  This may be spread over
# several lines.

text = """
/**
 @Title(value='Welcome', lang='en')
 @Title(value='Wilkommen', lang='de')
 @Title(value='Vitajte', lang='sk')
 @Snippet
    ,*/
class WelcomeScreen {}

   /** @Target("method") */
  class Route extends Annotation {}

/** @Mapping(inheritance = @SingleTableInheritance,
    columns = {@ColumnMapping('id'), @ColumnMapping('name')}) */
public Person {}

"""

text2 = """ /** * comment */
CLASS MyClass extens Base {

/** * comment */
public function xyz
"""


import re

# Match a PHP annotation and the word following class or public
# function.
annotations = re.findall(r"""/\*\*             # Starting annotation
                                               # 
                            (?P<annote>.*?)    # Namned, non-greedy match
                                               # including newline
                                               #
                             \*/               # Ending annotation
                                               #
                             (?:.*?)           # Non-capturing non-greedy
                                               # including newline
                 (?:public[ ]+function|class)  # Match either
                                               # of these
                             [ ]+              # One or more spaces
                             (?P<name>\w+)     # Match a word
                         """,
                         text + text2,
                         re.VERBOSE | re.DOTALL | re.IGNORECASE)

for txt in annotations:
     print("Annotation: "," ".join(txt[0].split()))
     print("Name: ", txt[1])

【讨论】：