Python 带有可选文本块的正则表达式_Python_Regex_Parsing

Python 带有可选文本块的正则表达式

python regex parsing

Python 带有可选文本块的正则表达式,python,regex,parsing,Python,Regex,Parsing,我使用正则表达式解析结构化文本，如下所示，插入符号标记我试图匹配的内容： 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 s

我使用正则表达式解析结构化文本，如下所示，插入符号标记我试图匹配的内容：

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
                 ^^

子块可能出现在块内部，也可能不出现在块内部，例如：子块2.2

预期匹配为[（区块1，b1），（区块3，b3）]

但这最终匹配[（区块1，b1），（区块2，b3）]

我的正则表达式哪里做错了？

这个正则表达式呢

你可以用

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

看

正则表达式基于展开循环技术。下面是一个解释：

```
（？m）
```
-使
```
^
```
与行首匹配的多行修饰符
```
（^block\s*\d+）
```
-匹配并捕获
```
块
```
+可选空格+1+数字（组1）
```
*
```
-与行的其余部分匹配（因为不应启用任何DOTALL选项）
```
（？：\n（？！block\s*\d）。*）*
```
-匹配后面不是单词的任何文本
```
块
```
，后跟可选空格和数字（这样，设置了边界）
```
\battrib\s*b=（\w+）
```
-匹配整个单词
```
attrib
```
，后跟0+空格、文字
```
b=
```
，然后匹配并捕获1+字母数字或下划线（注意：这可以根据实际数据进行调整）和
```
（\w+）
```

您总是需要子块的

属性吗？你能不能也为这句话提供一个完整的例子。。。。子块可能出现在块内部，也可能不出现在块内部。。。那里的预期输出是什么？什么是（捕获b#）？@AKS Yes始终需要“b”属性。如果应该包含此属性的子块在特定块中不存在，我只想跳过该块并转到下一个块。在上面的示例中，block2没有子block2.2，它将包含属性“b”。所以我就放弃了这个块。@WiktorStribiżew By（capture b#）我指的是在capture组中选择值“b#”的正则表达式。在上面的示例中，只需（\D\D）。但是属性的值可能需要复杂的正则表达式本身。已经命中&尝试负前瞻。谢谢你的正确语法！仅供参考：未展开的正则表达式版本是（使用一个标记）。它更具可读性，但效率不高。

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

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

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))