Python 正则表达式-如何使用子组

可能重复：

我正在尝试匹配wiki页面中的一组数据。下面列出了我正在使用的python代码。问题是，它返回到页面中最后一个

}

的组末尾

def findPersonInfo(self):
    if (self.isPerson == True):
        regex = re.compile(r"{{persondata(.*)}}",re.IGNORECASE|re.UNICODE|re.DOTALL)
        result = regex.search(self._rawPage)
        if result:
            print 'Match found: ', result.group()

wiki页面内容示例：

*[http://www.jsc.nasa.gov/Bios/htmlbios/acaba-jm.html NASA biography]

{{NASA Astronaut Group 19}}

{{Persondata
|NAME= Acaba, Joseph Michael "Joe"
|ALTERNATIVE NAMES=
|SHORT DESCRIPTION=[[Hydrogeologist]]
|DATE OF BIRTH={{Birth date and age|1967|5|17}}
|PLACE OF BIRTH=[[Inglewood, California]]
|DATE OF DEATH=
|PLACE OF DEATH=
}}
{{DEFAULTSORT:Acaba, Joseph M.}}
[[Category:1967 births]]

我当前的正则表达式返回以下字符串：

{{Persondata
|NAME= Acaba, Joseph Michael "Joe"
|ALTERNATIVE NAMES=
|SHORT DESCRIPTION=[[Hydrogeologist]]
|DATE OF BIRTH={{Birth date and age|1967|5|17}}
|PLACE OF BIRTH=[[Inglewood, California]]
|DATE OF DEATH=
|PLACE OF DEATH=
}}
{{DEFAULTSORT:Acaba, Joseph M.}}

我希望它能返回：

{{Persondata
|NAME= Acaba, Joseph Michael "Joe"
|ALTERNATIVE NAMES=
|SHORT DESCRIPTION=[[Hydrogeologist]]
|DATE OF BIRTH={{Birth date and age|1967|5|17}}
|PLACE OF BIRTH=[[Inglewood, California]]
|DATE OF DEATH=
|PLACE OF DEATH=
}}

棘手的一点是，它需要计算其他的

{{

打开和

}

关闭，以知道我想停在哪个组，但我不确定如何让regex做到这一点。

{{persondata（.*）}

将非常匹配。也就是说，它将尝试返回尽可能长的比赛。如果要获得尽可能短的匹配，应该使用

{{persondata（.*？}}}

。（是否对此没有名称，可能是节俭匹配？）

但是，在本例中，字符串中还有另一个

}

。您可以做一些聪明的事情，如

{persondata（（？：.*）}}（？：.*）}}

，但一般来说，一旦达到递归结构（嵌套自身的结构），您应该放弃正则表达式，转而使用正确的解析解决方案

---

您可能想看看pyparsing，PyPI上有一个模块就是为此而创建的。请参阅。

或

r{{persondata（[^}]*）}}

假设没有嵌套的大括号…但这将给出同样错误的结果，在

|出生日期={{BIRTH DATE and age | 1967 | 5 | 17}

之后终止。因此，在标准python中实现这一点的唯一方法是不使用regex并编写我的一个函数来处理递归大括号？奇怪的是，我使用过的每一种语言似乎都在没有外部库的情况下支持递归。正如他们在编译器类中所说的，正则表达式不能计数（也就是说，它们不维护一个堆栈来计数无限嵌套的结构）。当然，只使用纯python编写一个好的递归下降解析器是可能的。嵌套的stuf不好。。。根据定义，正则表达式没有状态，因此无法匹配任意嵌套。。。但是你可以匹配这个。。但它会破坏其他任何东西…你应该使用适当的。。。这不是一种常规语言BTW@JBernardo-我不需要一个完整的解析器，我只需要整页中的一部分，我可以将其拆分为键/值对。@Justin808这就是为什么您需要一个解析器。正则表达式不能处理任意深度的语言。你可以让它在某些特定的情况下工作，但你不应该t@JBernardo-我想，但我不想使用完整的外部wiki解析器。我希望使用一个带有几个.splits（）的正则表达式结果来获得我需要的结果。我正在尝试使用系统上预装的东西来实现这一点。。。。