python:regex-捕获组的可变数量

我有一个字符串，看起来像：

TABLE_ENTRY.0[hex_number]= <FIELD_1=hex_number, FIELD_2=hex_number..FIELD_X=hex>
TABLE_ENTRY.1[hex_number]= <FIELD_1=hex_number, FIELD_2=hex_number..FIELD_Y=hex>

---

使用捕获组匹配不合适的长度：

([A-Z_0-9\.]+\[0x[0-9]+\]=)\s+<(([A-Z_0-9]+)=(0x[0-9]+|0),\s?)*([A-Z_0-9]+)=(0x[0-9]+|0)

和

（[A-Z_0-9]+）=（0x[0-9]+|0）

将匹配最新字段

演示：

---

注意：如果您不想要某些组，您最好使用非捕获组，方法是在捕获组的前导添加

？：

（？：…）），并注意

（0x[0-9]+|0）：\s+

作为正则表达式中的额外组（基于您的输入模式）

使用捕获组来匹配不合适的长度：

([A-Z_0-9\.]+\[0x[0-9]+\]=)\s+<(([A-Z_0-9]+)=(0x[0-9]+|0),\s?)*([A-Z_0-9]+)=(0x[0-9]+|0)

和

（[A-Z_0-9]+）=（0x[0-9]+|0）

将匹配最新字段

演示：

---

注意：如果您不想使用某些组，您最好使用非捕获组，方法是在捕获组的前面添加

？：

（？：…）），并注意

（0x[0-9]+|0）：\s+

作为正则表达式中的额外部分（基于您的输入模式）

简言之，在

re

引擎中不可能完成所有这一切。无法动态生成更多组。它将全部放在一个组中。您应该像这样重新分析结果：

import re
input_str = ("TABLE_ENTRY.0[0x1234]= <FIELD_1=0x1234, FIELD_2=0x1234, FIELD_3=0x1234>\n"
             "TABLE_ENTRY.1[0x1235]= <FIELD_1=0x1235, FIELD_2=0x1235, FIELD_3=0x1235>")
results = {}
for match in re.finditer(r"([A-Z_0-9\.]+\[0x[0-9A-F]+\])=\s+<([^>]*)>", input_str):
    fields = match.group(2).split(", ")
    results[match.group(1)] = dict(f.split("=") for f in fields)

>>> results
{'TABLE_ENTRY.0[0x1234]': {'FIELD_2': '0x1234', 'FIELD_1': '0x1234', 'FIELD_3': '0x1234'}, 'TABLE_ENTRY.1[0x1235]': {'FIELD_2': '0x1235', 'FIELD_1': '0x1235', 'FIELD_3': '0x1235'}}

---

我个人建议去掉“TABLE_ENTRY”，因为它是重复的，但如您所愿。

简而言之，在

re

引擎中不可能完成所有这一切。无法动态生成更多组。它将全部放在一个组中。您应该像这样重新分析结果：

import re
input_str = ("TABLE_ENTRY.0[0x1234]= <FIELD_1=0x1234, FIELD_2=0x1234, FIELD_3=0x1234>\n"
             "TABLE_ENTRY.1[0x1235]= <FIELD_1=0x1235, FIELD_2=0x1235, FIELD_3=0x1235>")
results = {}
for match in re.finditer(r"([A-Z_0-9\.]+\[0x[0-9A-F]+\])=\s+<([^>]*)>", input_str):
    fields = match.group(2).split(", ")
    results[match.group(1)] = dict(f.split("=") for f in fields)

>>> results
{'TABLE_ENTRY.0[0x1234]': {'FIELD_2': '0x1234', 'FIELD_1': '0x1234', 'FIELD_3': '0x1234'}, 'TABLE_ENTRY.1[0x1235]': {'FIELD_2': '0x1235', 'FIELD_1': '0x1235', 'FIELD_3': '0x1235'}}

---

我个人建议去掉“TABLE_ENTRY”，因为它是重复的，但可以根据您的意愿进行。您寻求的最终输出是什么？在问题中举个例子。您能举个具体的例子吗？您问题中的文本似乎是一种语法描述，而不是示例，对吗？您确定您的regexp的

0x[0-9]+

-部分吗？因为那应该是一个十六进制数，所以我更喜欢

0x[0-9A-Fa-f]+

！你寻求的最终结果是什么？在问题中举个例子。你能举个具体的例子吗？您问题中的文本似乎是一种语法描述，而不是示例，对吗？您确定您的regexp的

0x[0-9]+

-部分吗？因为那应该是一个十六进制数，所以我更喜欢

0x[0-9A-Fa-f]+

！每天我都会重新发现python是多么轻松，谢谢。如果我从输入字符串中删除新行，它将不再捕获2个匹配项，这是为什么？我得到：（'TABLE_ENTRY.0'，'0x3242'，'FIELD_1=0x1234，FIELD_2=0x1234，FIELD_3=0x1234>TABLE_ENTRY.1[0x1235]=0x98789:应该是\s+]*）>而不是\s+固定。请记住，您最初的规范使用的是

\n

。每天我都会重新发现python是多么轻松，谢谢。如果我从输入字符串中删除新行，它将不再捕获2个匹配项，这是为什么？我得到：（'TABLE_ENTRY.0'，'0x3242'，'FIELD_1=0x1234，FIELD_2=0x1234，FIELD_3=0x1234>TABLE_ENTRY.1[0x1235]=0x98789:应该是\s+]*）>而不是\s+固定。请记住，您的原始规范使用了

\n

。

(([A-Z_0-9]+)=(0x[0-9]+|0),\s?)*

import re
input_str = ("TABLE_ENTRY.0[0x1234]= <FIELD_1=0x1234, FIELD_2=0x1234, FIELD_3=0x1234>\n"
             "TABLE_ENTRY.1[0x1235]= <FIELD_1=0x1235, FIELD_2=0x1235, FIELD_3=0x1235>")
results = {}
for match in re.finditer(r"([A-Z_0-9\.]+\[0x[0-9A-F]+\])=\s+<([^>]*)>", input_str):
    fields = match.group(2).split(", ")
    results[match.group(1)] = dict(f.split("=") for f in fields)

>>> results
{'TABLE_ENTRY.0[0x1234]': {'FIELD_2': '0x1234', 'FIELD_1': '0x1234', 'FIELD_3': '0x1234'}, 'TABLE_ENTRY.1[0x1235]': {'FIELD_2': '0x1235', 'FIELD_1': '0x1235', 'FIELD_3': '0x1235'}}

>>> results["TABLE_ENTRY.0[0x1234]"]["FIELD_2"]
'0x1234'