我正在尝试为表示文件路径的字符串编写解析器,可选地后跟冒号(:
)和表示访问标志的字符串(例如r+
或 w
)。文件名本身可以包含冒号,例如 foo:bar.txt
,因此分隔访问标志的冒号应该是字符串中的最后一个冒号。
这是我迄今为止的实现:
import re
def parse(string):
SCHEME = r"file://" # File prefix
PATH_PATTERN = r"(?P<path>.+)" # One or more of any character
FLAGS_PATTERN = r"(?P<flags>.+)" # The letters r, w, a, b, a '+' symbol, or any digit
# FILE_RESOURCE_PATTERN = SCHEME + PATH_PATTERN + r":" + FLAGS_PATTERN + r"$" # This makes the first test pass, but the second one fail
FILE_RESOURCE_PATTERN = SCHEME + PATH_PATTERN + optional(r":" + FLAGS_PATTERN) + r"$" # This makes the second test pass, but the first one fail
tokens = re.match(FILE_RESOURCE_PATTERN, string).groupdict()
return tokens['path'], tokens['flags']
def optional(re):
'''Encloses the given regular expression in a group which matches 0 or 1 repetitions.'''
return '({})?'.format(re)
我尝试了以下测试:
import pytest
def test_parse_file_with_colon_in_file_name():
assert parse("file://foo:bar.txt:r+") == ("foo:bar.txt", "r+")
def test_parse_file_without_acesss_flags():
assert parse("file://foobar.txt") == ("foobar.txt", None)
if __name__ == "__main__":
pytest.main([__file__])
问题是,通过使用或不使用可选
,我可以使一个或另一个测试通过,但不能同时通过。如果我将 r":"+ FLAGS_PATTERN
设置为可选,则前面的正则表达式将消耗整个字符串。
如何调整 parse
方法以使两个测试都通过?
最佳答案
你应该构建像这样的正则表达式
^file://(?P<path>.+?)(:(?P<flags>[^:]+))?$
请参阅regex demo .
在您的代码中,不需要 ^
anchor ,因为您使用 re.match
将匹配锚定在字符串的开头。 path
组延迟匹配任何 1+ 个字符(因此,可以与第 2 组匹配的所有文本都将出现在第二次捕获中),直到第一次出现 :
后跟 1+ 个除 :
之外的字符(如果存在),然后测试字符串位置的结尾。感谢 $
anchor ,如果第二个可选组不匹配,第一个组将匹配整个字符串。
使用以下修复:
PATH_PATTERN = r"(?P<path>.+?)" # One or more of any character
FLAGS_PATTERN = r"(?P<flags>[^:]+)" # The letters r, w, a, b, a '+' symbol, or any digit
请参阅online Python demo .
关于python - 如何制作正则表达式 'greedy but optional',我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43089832/