Question

目的是将C++ boost中的这些正则表达式转换为Python re正则表达式：

  typedef boost::u32regex tRegex;

  tRegex emptyre = boost::make_u32regex("^$");
  tRegex commentre = boost::make_u32regex("^;.*$");
  tRegex versionre = boost::make_u32regex("^@\\$Date: (.*) \\$$");
  tRegex includere = boost::make_u32regex("^<(\\S+)$");
  tRegex rungroupre = boost::make_u32regex("^>(\\d+)$");
  tRegex readreppre = boost::make_u32regex("^>(\\S+)$");
  tRegex tokre = boost::make_u32regex("^:(.*)$");
  tRegex groupstartre = boost::make_u32regex("^#(\\d+)$");
  tRegex groupendre = boost::make_u32regex("^#$");
  tRegex rulere = boost::make_u32regex("^([!-+^])([^\\t]+)\\t+([^\\t]*)$");

我可以一个接一个地重写这些正则表达式但是上面的例子还有很多，所以我的问题是关于

如何将C ++ boost regexest转换为Python 和
boost regexes和python re rexx之间有什么区别？

C ++ boost::u32regex与python中的re正则表达式相同吗？如果没有，有什么区别？（非常感谢文档的链接=））例如：

在提升中，有boost::u32regex_match，就像是一样 re.match？
在提升中，有boost::u32regex_search，与re.search有什么不同
还有boost::format_perl和boost::match_default以及boost::smatch，它们在python re中的等效性是什么？

Answer 1

如何将C ++ boost regexest转换为Python

如果是简单的正则表达式，例如\w+\s+\d+或>.*$，则无需更改模式。如果使用下面提到的构造更复杂的模式，您很可能必须重新编写正则表达式。与从一种风味/语言到另一种风味/语言的任何转换一样，一般的答案是不要。但是，Python和Boost确实有一些相似之处，特别是当涉及简单模式（如果Boost使用类似PCRE的模式）包含点（a.*b），常规（[\w-]*）和否定（{ {1}}）字符类，常规量词，如[^>]* / + / *等。

提升正则表达式和python ?正则表达式之间有什么区别？

Python re module 并不像 Boost regexps 那样丰富（足以提及\h, \G, \K, \R, \X, \Q...\E, branch reset, recursion, possessive quantifiers, POSIX character classes and character properties，{{3}等结构}），以及Boost的其他功能。 re仅限于Python中的整个表达式，而不是其中的一部分，因此您应该知道(?imsx-imsx:pattern)中的(?i)将被视为处于开头的&|&#((?i)x26);|&模式（但是，它对此表达式没有任何影响）。

此外，与Boost相同，您不必在角色类中转义[，在角色类外转义{。

像\1这样的反向引用与Python相同。

由于你没有在你的模式中交替使用捕获组（例如re.sub(r'\d(\w)|(go\w*)', '\2', 'goon')），所以应该没有问题（在这种情况下，Python不会用任何值填充非参与组，并返回一个空的结果）。

请注意命名组定义的差异：Boost中的(?<NAME>expression) / (?'NAME'expression)和Python中的(?P<NAME>expression)。

我认为你的正则表达式主要属于“简单”类别。最复杂的模式是extended replacement pattern（例如⌊-((?:(?!-⌋).)*)-⌋）。要优化它们，您可以使用 tempered greedy token 技术，但根据您使用表达式处理的文本大小，可能没有必要。

我认为最棘手的部分是你大量使用Unicode文字。在Python 2.x中，所有字符串都是字节数组，您必须始终确保将unicode对象传递给Unicode regexp（请参阅unroll the loop）。在Python 3中，默认情况下所有字符串都是UTF8，您甚至可以在源代码中使用UTF8文字字符而无需任何其他操作（请参阅Python 2.x’s Unicode Support）。因此，Python 3.3+（支持原始字符串文字）是一个很好的选择。

现在，至于剩下的问题：

在提升中，有boost::u32regex_match，与re.match相同吗？

Python’s Unicode Support 与regex_match不同，因为re.match正在寻找 在字符串开头 < / strong>，re.match要求 完整字符串匹配 。但是，在Python 3中，您可以使用等同于Boost regex_match的 regex_match 。

在提升中，有boost::u32regex_search，它与re.search
有什么不同

当您需要在字符串中的任何位置找到匹配项时，您需要使用re.search（请参阅re.fullmatch(pattern, string, flags=0)）。因此，这种方法提供了类似于match() versus search()在Boost中的功能。

还有boost::format_perl和boost::match_default以及boost::smatch，它们在python re中的等价性是什么？

Python不支持类似Perl的表达式，Boost可以，Python re模块只是一个“修剪”的Perl正则表达式引擎，它没有我前面提到的很多很好的功能。因此，在那里找不到像default或perl这样的标志。至于smatch，您可以使用 regex_search 来获取所有re.finditer。 match objects返回所有匹配（或仅在指定捕获组时为子匹配）作为元组的字符串/列表的列表。请参阅re.findall。

在结论中，必读的文章re.findall/re.finditer difference。

将C ++ Boost正则表达式转换为Python re rexx

1 个答案: