Question

我正在尝试解析一个gitolite.conf文件，这是一个面向空白的conf文件，带有一些正则表达式。最糟糕的问题是某些选项可能出现在任何地方：

@staff              =   dilbert alice           # line 1
@projects           =   foo bar                 # line 2

repo @projects baz                              # line 3
    RW+             =   @staff                  # line 4
    -       master  =   ashok                   # line 5
    RW              =   ashok                   # line 6
    R               =   wally                   # line 7

    config hooks.emailprefix = '[%GL_REPO] '    # line 8

检查“master”属性。有些回购有它们，有些没有。这是一个真正的痛苦。

Answer 1

此答案假定将键/值对提取到捕获组中，其中 key 由=和之前的连续非空格组成值包括=之后但#之前的所有内容，修剪前导/尾随空格。

基本版

([^\s]+)\s*=\s*((?:\s*[^\s#]+)*)

Regular expression visualization

更高级版本

上面的正则表达式不能很好地处理引用的字符串（例如prefix = ' Quoted with # and leading/trailing whitespace '）。正则表达式在这种情况下不是很好，但简单的情况可以按如下方式处理：

([^\s]+)\s*=\s*('[^']*'|"[^"]*"|(?:(?:\s*[^\s#]+)*))

Regular expression visualization

以下是演示，如果您需要查看捕获的内容并更多地使用它：Debuggex Demo

Answer 2

首先，您应该知道Regex并非完全可以实现这一点。 Regex是一个很好的解析常规语言（包括某些类型的配置文件）的工具，但是一旦你进入“嗯，这条线实际上是一个标题行，我们需要它下面的所有行，并且有些行可能有这个令牌，而其他行可能没有“，它会变得非常混乱。我不是说这是不可能的，但是你要浪费一点时间来调试你的Regex模式而不是用你正在使用它的任何语言写一个解析器。

其次，如果你要问一个关于Regex的问题，那么从表达式中知道你想要什么总是有帮助的。你想要标记所有内容，你只想要配置键，你只想要评论吗？

话虽如此，我最好的猜测，这是一个让你开始的表达方式：

^(?:([^=#]+?)\s.?=?\s.?([^=#]+?)\s.?(?:#|$))

使用此表达式，请应用g和m标记（全局和多行）。在PCRE中，这看起来像：

/^(?:([^=#]+?)\s.?=?\s.?([^=#]+?)\s.?(?:#|$))/gm

有两个捕获组，一个是=符号前面的任何一个，另一个是后面的内容。如果没有=符号，则第一个捕获组包含所有内容。 “＃”之后的任何内容都会被忽略。

这是一个演示的小提琴：http://www.rexfiddle.net/eQexbZU

使用Regex解析面向空白的conf文件

2 个答案: