我正在尝试使用正则表达式从字符串中捕获重复模式。更准确地说,我正在尝试解析 LDAP 架构定义。
示例字符串:
( 1.3.6.1.4.1.1466.115.121.1.8 DESC 'Certificate' X-BINARY-TRANSFER-REQUIRED 'TRUE' X-NOT-HUMAN-READABLE 'TRUE' )
匹配字符串和所有相关组件的正则表达式(Python/扩展正则表达式)是:
^\( (?P<oid>\d+(\.\d+)*) ((?P<keyword>[A-Z-]+) (?P<value>[^' ]+|'[^']+'|\(.+\)) )+\)$
我已经命名了相关的匹配组。问题是我如何捕获 P 和 P 的所有出现?默认情况下,仅捕获最后一次出现的情况,而仅匹配其他出现的情况。
最佳答案
如果你使用 new regex module 你就有办法了允许存储重复捕获组的结果,例如:
import regex
line = '''( 1.3.6.1.4.1.1466.115.121.1.8 DESC 'Certificate' X-BINARY-TRANSFER-REQUIRED 'TRUE' X-NOT-HUMAN-READABLE 'TRUE' )'''
pattern = r'''(?x) # switch the VERBOSE (free-spacing) mode on
^
\( [ ]*
(?P<oid>\d+(?:\.\d+)*) \s+ # use a non-capturing group when there is
(?: # no need to capture something
(?P<keyword>[A-Z-]+) [ ]+
(?P<value> [^' ]+ | '[^']*' | \(.+\)) [ ]*
)+
\)
$
'''
m = regex.match(pattern, line)
print m.capturesdict()
您获得:
{'oid': ['1.3.6.1.4.1.1466.115.121.1.8'], 'keyword': ['DESC', 'X-BINARY-TRANSFER-REQUIRED', 'X-NOT-HUMAN-READABLE'], 'value': ["'Certificate'", "'TRUE'", "'TRUE'"]}
关于子模式\(.+\)
:
这看起来是一种处理嵌套括号的奇怪方法(因为贪婪的量词)。但如果括号之间只有一个值,则此子模式将给出预期结果。
新的正则表达式模块再次允许您重用子模式(在捕获组中定义),从而允许构建递归模式,例如:
(\((?>[^()]+|(?1))*\))
(其中 (?1)
指捕获组 1 中的模式(子模式本身))
因此,您可以像这样重写值子模式:
(?P<value> [^' ]+ | '[^']*' | (\((?>[^()]+|(?1))*\)) )
注意:但是如果您不想处理嵌套括号,请忘记它并使用 \([^)]*\)
关于string - 捕获量化正则表达式中的所有匹配项,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/27281096/