两个字符串之间的正则表达式匹配？

Posted 2023-02-21

【中文标题】两个字符串之间的正则表达式匹配？

【英文标题】：Regex matching between two strings?

【发布时间】：2012-09-26 00:13:05

【问题描述】：

我似乎找不到像以下示例中那样提取所有 cmets 的方法。

>>> import re
>>> string = '''
... <!-- one 
... -->
... <!-- two -- -- -->
... <!-- three -->
... '''
>>> m = re.findall ( '<!--([^\(-->)]+)-->', string, re.MULTILINE)
>>> m
[' one \n', ' three ']

与two -- -- 的块不匹配很可能是因为正则表达式错误。有人可以指出我正确的方向如何提取两个字符串之间的匹配项。

---

您好，我已经测试了你们在 cmets 中的建议....这里是一个有效的解决方案，几乎没有升级。

>>> m = re.findall ( '<!--(.*?)-->', string, re.MULTILINE)
>>> m
[' two -- -- ', ' three ']
>>> m = re.findall ( '<!--(.*\n?)-->', string, re.MULTILINE)
>>> m
[' one \n', ' two -- -- ', ' three ']

谢谢！

【问题讨论】：

[] 之间的任何内容都是单个字符，因此 (-->) 不会查找该分组是问题的一部分...

re.findall('<!--(.*?)-->', string, re.DOTALL) 应该可以。你在这里不需要^\(-->)，因为问号使它不贪婪。

您看起来只是在寻找单词？如果是这样，m = re.findall('[\w]+', string, re.MULTILINE) 有什么问题？此外，字符串对于一个，嗯，字符串来说是一个非常糟糕的名字。

【参考方案1】：

这应该可以解决问题

 m = re.findall ( '<!--(.*?)-->', string, re.DOTALL)

【讨论】：

如果有人想知道，“re.DOTALL”标志使点 (.) 可以匹配任何字符，包括换行符。 (.*?) 捕获括号内的文本，而 .*?表示 .* 的“非贪婪”版本（即捕获最短的匹配）。

如果 <!-- 和 --> 应该是结果列表项的一部分，则应删除捕获括号 - re.findall ( '<!--.*?-->', string, re.DOTALL)

【参考方案2】：

一般来说，用regular grammar在两个分隔符之间进行任意匹配是不可能的。

具体来说，如果你允许嵌套，

<!-- how do you deal <!-- with nested --> comments? -->

您会遇到问题。因此，虽然您可以使用正则表达式解决这个特定问题，但您编写的任何正则表达式都可能被其他一些奇怪的 cmets 嵌套破坏。

要解析任意 cmets，您需要继续使用解析 context free grammars 的方法。一个简单的方法是使用pushdown automaton。

【讨论】：

我认为嵌套 cmets 并不常见。如果其中的任何内容被处理，有点违背评论的意义？

而且看起来它们在 html 中是不可能的。 ***.com/questions/442786/… 我将把它留在这里，因为我认为承认这一点很重要，但我不希望得到任何支持。

有限状态机无法解析上下文无关文法——你可以使用下推自动机。

@JamesThiele Ahhhhh，当然。我已经编辑了答案以反映这一点