string - 捕获量化正则表达式中的所有匹配项

Question

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。

Answer 1

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 \([^)]*\)