在Python中捕获重复模式

我正在尝试为Python日志格式化程序实现某种类似标记的行为

让我们以这个字符串为例：

**这是一个警告**：病毒管理器失败

几个正则表达式之后，字符串失去了类似markdown的语法，并被转换为bash代码：

\033[33m\033[1M这是一个警告\033[0m:病毒管理器\033[4M失败\033[0m\033[0m

但这应该压缩到

\033[33；1M这是一个警告\033[0m:病毒管理器\033[4M失败\033[0m

除了许多其他无效的解决方案外，我还尝试了以下方法：

（\\033\[（[\d]+）m{2，}

=>捕获：

\033[33m\033[1m

带g1'\033[1m'和g2'1'，

\033[0m

带g1'\033[0m'和g2'0'

（\\033\[（[\d]+）m）+

很多结果，不正常

（？：（\\033\[（[\d]+）m）+

许多结果，尽管如果我理解正确，这是重复模式的推荐方法，但不正常

和其他

我的目标是取得以下成果：

输入

\033[33m\033[1M这是一个警告\033[0m:病毒管理器\033[4M失败\033[0m\033[0m

输出

匹配1

033[33m\033[1m

第1组：33

第2组：1

第二场比赛

033[0m\033[0m

第1组：0

第2组：0

---

换句话说，捕获那些“重复的”不仅仅是那些，所以我可以将它们与regex sub融合。

这对于您在这里描述的情况非常简单；只需从左到右写出您想要匹配和捕获的内容。重复捕获块在这里对您没有帮助，因为结果只会返回最近捕获的值

\\033\[(\d+)m\\033\[(\d+)m

---

要修改的字符串中的模式还没有从问题中弄清楚。例如，

033

是固定的还是可能是

025

甚至是

25

？我在使用正则表达式时做了一些假设

r" ^(\\0(\d+)\[\2)[a-z]\\0\2\[(\d[a-z].+)

为了获得两个要合并的捕获组，它们之间用分号分隔。我试图在下面阐明我的假设，部分是为了帮助OP修改此正则表达式以满足其他要求

正则表达式执行以下操作：

^           # match beginning of line
(           # begin cap grp 1
  \\0       # match '\0'
  (\d+)     # match 1+ digits in cap grp 2
  \[        # match '['
  \2        # match contents of cap grp 2
)           # end cap grp 1
[a-z]       # match a lc letter
\\0         # match '\0'      
\2          # match contents of cap grp 2
\[          # match '['
(\d[a-z].+) # match a digit, then lc letter then 1+ chars to the
            #   end of the line in cap grp 3

如您所见，在组1中捕获的字符串部分是

\033[33

我假设这个字符串现在是

033

的部分必须是两个或更多以零开头的数字，并且数字字符串的第二次出现由零后面的相同数字组成。这是通过捕获“0”后面的数字来完成的（

33

）在捕获组2中，然后使用反向引用

\2

字符串的下一部分将被替换，因此不会被捕获：

m\\033[

我假设

m

必须是一个小写字母（或者应该是一个文本

m

？），反斜杠、零和必需数字以及以下数字必须再次与捕获组2的内容匹配

字符串的其余部分

1mThis is a warning\033[0m: Virus manager \033[4mfailed\033[0m\033[0m

是在捕获组3中捕获的。在这里，我假设它以一个数字开头（可能应该是

\d+

），后跟一个小写字母，不必与前面匹配的小写字母相同（尽管可以用另一个捕获组强制执行）。此时，我将该行的其余部分与

+

匹配，并放弃了该部分字符串中的匹配模式

---

或者，一个可能只有两个捕获组，捕获组现在是2，变成1，#2是字符串中要用分号替换的部分。

您希望连续匹配重复的

\033[\d+m

文本块，并用分号连接

[

后面的数字

你可以用

re.sub(r'(?:\\033\[\d+m){2,}', lambda m: r'\033['+";".join(set(re.findall(r"\[(\d+)", m.group())))+'m', text)

见

---

（？：\\033\[\d+m）{2，}

模式将匹配两个或多个

\033[

+一个或多个数字+

m

文本块，然后，匹配将传递到lambda表达式，其中输出为：1）

\033[

，2）使用

re.findall（r）\[（\d+）提取的
[/code>之后的所有数字，m.group（））
并用
集消除重复，然后3）
m
有很多不必要的信息，你能发布一个示例输入和预期的输出吗？它在末尾…输入：\033[33；1这是一个警告\033[0m:Virus manager\033[4mfiled\033[0m输出读取消息的结尾表达式创建的匹配组数始终是一个设定值。例如，
（…）+
将只生成一个匹配组。这不是100%清楚：规则是什么？您是否有
\033[33m\033[1m\033[22m
？如果是，预期的输出是什么？请尝试
re.sub（r'（？：\\033\[\d+m{2，}'，lambda m:r'\033['+“；”.join（set（re.findall（r“\[（\d+），m.group（）））+'m'，text）
谢谢，但这只对两个连续的，而不是随机的N个连续的序列有效。我的观点是，这样做不是用一个表达式和重复的捕获组。通常使用一个表达式来获取整个序列，一秒钟（或字符串函数）从中获取一个数字列表和一些处理值的逻辑——如Wiktor Stribiżew的回答。感谢您的详细解释！我将尽快测试并返回结果！