python - 使用 Regex 提取多行 SAS 代码

Question

我正在尝试使用 Python 来处理数千行 SAS 代码。我想提取代码的某些部分进行打印或发送到另一个函数。

我正在查看的 SAS 代码可能如下所示:

"""%macro msg (name= some_macro) ;
%put Hello World, my name is &name ;
 %mend ;"""

我想捕获第一行和最后一行之间的内容，即 %macro 和 %mend ; 行之间的内容，因此“%put Hello World ，我的名字是&name;”将作为一个组返回。

我可以通过以下方式实现此捕获:

re.compile(r"\%macro\s*?.*?\s*?\((.*)\)\s*?;\n(.*?)\n\s*\%mend\s*;")

由于 (.*?)\n 似乎与我想要的行匹配。

注意:我使用了很多 \s* 因为我看到 SAS 代码中到处都是空格，这似乎是相当随机的。

但是，当 SAS 代码超过更多行(可能是 2 行或更多行)时，我无法进行模式匹配，因此例如，

"""%macro msg (name= some_macro) ;
%put Hello World, my name is &name ;
%let something happen
%do something else
%mend ;"""

在这里，我想返回“%put Hello World，我的名字是&name；%让某事发生%做其他事情”作为一组返回。我尝试放入量词 * 和 + 但我不知道如何明确要检查整行重复，而不仅仅是最后一个字符我把量词放在旁边。我将以此为例:

r"\%macro\s*?.*?\s*?\((.*)\)\s*?;\n(.*?)\n+?\s*\%mend\s*;"

在这里，我试图指示 (.*?)\n 行可以重复 1 次到无限次，并且我想捕获该组。

我也尝试过使用 re.MULTILINE 和 re.DOTALL，使用 ^ 和 $ 以及点作为行尾符，但没有达到预期的结果任何一个。

请帮助我更好地了解这个领域。谢谢

Answer 1

您可以使用单个捕获组并匹配不以 %mend 开头的行。

百分号不需要转义，请注意，如果不是有意的，\s 也可以匹配换行符。

%macro.*\r?\n((?:(?!\s*%mend).*\r?\n)+)\s*%mend ;

说明

• %macro.*\r?\n 匹配 %macro，后跟该行的其余部分和换行符
• ( 捕获组 1
  • (?: 非捕获组
    • (?!\s*%mend) 负向前看，如果右侧的内容不是 %mend
    • .*\r?\n 匹配整行和换行符
  • )+ 关闭非捕获组并重复 1 次以上以匹配至少一行
• ) 关闭捕获组 1
• \s*%mend ;

regex demo | Python demo

例如

pattern = re.compile(r"%macro.*\r?\n((?:(?!\s*%mend).*\r?\n)+)\s*%mend ;")
print(re.findall(pattern, test_str))