Question

我正在尝试使用正则表达式从字符串中捕获重复的模式。更准确地说，我正在尝试解析LDAP模式定义。

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' )

与字符串和所有相关组件匹配的正则表达式（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。问题是如何捕捉P和P的所有出现？默认情况下，仅捕获最后一次出现，而仅匹配其他出现。

Answer 1

如果您使用允许存储重复捕获组结果的new regex module，则可以使用此方法，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\(.+\)：

它看起来像处理嵌套的parens一种奇怪的方式（因为贪婪的量词）。但是，如果parens之间只有一个值，则此子模式将给出预期结果。

再次，新的正则表达式模块允许您重用子模式（在捕获组中定义），允许构建递归模式，例如：

(\((?>[^()]+|(?1))*\))

（其中(?1)指的是捕获组1中的模式（子模式本身））

因此，您可以像这样重写 value 子模式：

(?P<value> [^' ]+ | '[^']*' | (\((?>[^()]+|(?1))*\)) )

注意：但如果您没有尝试处理嵌套的括号，请忘记并使用\([^)]*\)

捕获量化正则表达式中的所有匹配项

1 个答案: