Question

我的应用的用户可以通过格式字符串配置某些文件的布局。

例如，用户指定的配置值可能是：

layout = '%(group)s/foo-%(locale)s/file.txt'

我现在需要查找已经存在的所有此类文件。使用 glob 模块看起来很容易：

glob_pattern = layout % {'group': '*', 'locale': '*'}
glob.glob(glob_pattern)

然而，现在出现了困难的部分：给定glob结果列表，我需要获得与给定占位符匹配的所有文件名部分，例如所有不同的“locale”值。

我以为我会为格式字符串生成一个正则表达式，然后我可以将其与glob结果列表匹配（或者然后可能跳过glob并自己完成所有匹配）。

但我找不到一个很好的方法来创建正则表达式，同时使用正确的组捕获，并转义其余的输入。

例如，这可能会给我一个与语言环境匹配的正则表达式：

regex = layout % {'group': '.*', 'locale': (.*)}

但是为了确保正则表达式是有效的，我需要通过re.escape（）传递它，然后它也会转义我刚刚插入的正则表达式语法。调用re.escape（）首先会破坏格式字符串。

我知道有fnmatch.translate（），它甚至会给我一个正则表达式 - 但不会返回正确的组。

有没有一种好的方法可以做到这一点，没有像使用正则表达式安全的唯一值等替换占位符那样的黑客？

是否有某种方式（可能是第三方库？）允许以更灵活的方式剖析格式字符串，例如在占位符位置拆分字符串？

Answer 1

由于您使用的是命名占位符，因此我使用命名组。这似乎有效：

import re
UNIQ='_UNIQUE_STRING_'
class MarkPlaceholders(dict):
    def __getitem__(self, key):
        return UNIQ+('(?P<%s>.*?)'%key)+UNIQ

def format_to_re(format):
    parts = (format % MarkPlaceholders()).split(UNIQ)
    for i in range(0, len(parts), 2):
        parts[i] = re.escape(parts[i])
    return ''.join(parts)

然后测试：

>>> layout = '%(group)s/foo-%(locale)s/file.txt'
>>> print format_to_re(layout)
(?P<group>.*?)\/foo\-(?P<locale>.*?)\/file\.txt
>>> pattern = re.compile(format_to_re(layout))
>>> print pattern.match('something/foo-en-gb/file.txt').groupdict()
{'locale': 'en-gb', 'group': 'something'}

Answer 2

你可以试试这个;它适用于逃避问题。

unique = '_UNIQUE_STRING_'
assert unique not in layout
regexp = re.escape(layout % {'group': unique, 'locale': unique}).replace(unique, '(.*)')

Python：将格式字符串转换为正则表达式

2 个答案: