Question

我正在尝试从特定的标记语言LookML中提取某些数据。如果这是示例代码：

explore: explore_name {}
explore: explore_name1 {
  label: "name"
  join: view_name {
      relationship: many_to_one
      type: inner
      sql_on: ${activity_type.activity_name}=${activity_type.activity_name} ;;
  }
}
explore: explore_name3 {}

然后我会收到一个清单，如下所示：

explore: character_balance {}

label: "name"
join: activity_type {
  relationship: many_to_one
  type: inner
  sql_on: ${activity_type.activity_name}=${activity_type.activity_name} ;;
}```

explore: explore_name4 {}

从本质上讲，我从“探索” 开始比赛，并在找到另一个“ explore” 时结束比赛-然后开始下一场比赛。

这是我之前拥有的东西，它在所有行上都匹配，直到找到;，这才很好用：'explore:\s[^;]*'。但是，假设有一个，则以“;”结尾。

我将如何更改它，以消除“探索”和“探索”之间的所有内容？只需替换“;”在我的正则表达式中，用“ explore”代替，只要找到与[e，x，p，l，o，r，e]中的任何内容都匹配的字母，它就会停止-这不是我想要的行为。删除方括号和^最终破坏了所有内容，因此它无法跨多行查询。

我在这里应该做什么？

Answer 1

天真的方法包括到达下一个“探索”一词。但是，如果由于任何原因，字符串值包含此单词，您将得到错误的结果。如果您尝试在字符串包含嵌套方括号时停止使用大括号，则会出现同样的问题。

这就是为什么我建议对字符串的语法进行更精确的描述，其中考虑了字符串和嵌套的大括号。由于re模块不具有递归功能（用于处理嵌套结构），因此我将使用pypi/regex模块：

import regex

pat = r'''(?xms)
    \b explore:
    [^\S\r\n]* # optional horizontal whitespaces
    [^\n{]* # possible content of the same line
    # followed by two possibilities
    (?: # the content stops at the end of the line with a ;
        ; [^\S\r\n]* $
      | # or it contains curly brackets and spreads over eventually multiple lines
        ( # group 1
            {
                [^{}"]*+ # all that isn't curly brackets nor double quotes
                (?:
                    " [^\\"]*+ (?: \\. [^\\"]* )*+ " # contents between quotes
                    [^{}"]*

                  |
                    (?1) # nested curly brackets, recursion in the group 1
                    [^{}"]*
                )*+
            }
        )
    )'''

results = [x.group(0) for x in regex.finditer(pat, yourstring)]

demo

为更加严格，您可以添加对单引号字符串的支持，还可以使用(*SKIP)(*FAIL)构造防止模式开头的“ explore：”不在字符串中。

Answer 2

您可以将非贪婪匹配与前瞻性断言一起使用，以检查是否存在另一个explore:或字符串的结尾。试试：

'explore:.*?(?=explore|$)'

Answer 3

尽管它在Regex中是可行的，但您应该使用能够理解该格式的解析器，因为Regex解决方案非常脆弱。

话虽如此，以下是启用了 DOTALL 模式（其中.匹配包括换行符的所有字符）的Regex解决方案：

re.findall(r'explore:.*?\}', text, re.DOTALL)

explore:字面上匹配
.*?\}非贪心地匹配到下一个}

示例：

In [1253]: text = '''explore: character_balance {} 
      ...: explore: tower_ends { 
      ...:   label: "Tower Results" 
      ...:   join: activity_type { 
      ...:       relationship: many_to_one 
      ...:       type: inner 
      ...:       sql_on: ${activity_type.activity_name}=${wba_fact_activity.activity_name} ;; 
      ...:   } 
      ...: } 
      ...: explore: seven11_core_session_start {}'''                                                                                                                                                        

In [1254]: re.findall(r'explore:.*?\}', text, re.DOTALL)                                                                                                                                     
Out[1254]: 
['explore: character_balance {}',
 'explore: tower_ends {\n  label: "Tower Results"\n  join: activity_type {\n      relationship: many_to_one\n      type: inner\n      sql_on: ${activity_type.activity_name}',
 'explore: seven11_core_session_start {}']

如何提取正则表达式查询直到特定单词？

3 个答案: