Question

我使用正则表达式来解析结构化文本，如下所示，插入符号标记我想要匹配的内容：

block 1
^^^^^^^
    subblock 1.1
        attrib a=a1
    subblock 1.2
        attrib b=b1
                 ^^
block 2
    subblock 2.1
        attrib a=a2
block 3
^^^^^^^
    subblock 3.1
        attrib a=a3
    subblock 3.2
        attrib b=b3
                 ^^

子块可能出现在块内，也可能不出现在块内，例如：子块2.2 。

预期的匹配是 [（block1，b1），（block3，b3）] 。

/(capture block#)[\s\S]*?attrib\sb=(capture b#)/gm

但最终匹配 [（block1，b1），（block2，b3）] 。

我在哪里做正则表达式错误？

Answer 1

您可以使用

(?m)(^block\s*\d+).*(?:\n(?!block\s*\d).*)*\battrib\s*b=(\w+)

请参阅the regex demo

正则表达式基于展开循环技术。这是一个解释：

(?m) - 使^匹配行的开头的多行修饰符
(^block\s*\d+) - 匹配并捕获block +可选空格+ 1+位数（第1组）
.* - 匹配行的其余部分（因为不应该启用DOTALL选项）
(?:\n(?!block\s*\d).*)* - 匹配之后的任何文字都不是单词block，后跟可选的空格后跟数字（这样就设置了边界）
\battrib\s*b=(\w+) - 匹配整个单词attrib，后跟0 +空格，文字b=，匹配并捕获1 +字母数字或下划线（ note ：可以根据您的真实数据进行调整）(\w+)

Python demo：

import re
p = re.compile(r'(?m)(^block\s*\d+).*(?:\n(?!block\s*\d).*)*\battrib\s*b=(\w+)')
s = "block 1\n    subblock 1.1\n        attrib a=a1\n    subblock 1.2\n        attrib b=b1\nblock 2\n    subblock 2.1\n        attrib a=a2\nblock 3\n    subblock 3.1\n        attrib a=a3\n    subblock 3.2\n        attrib b=b3"
print(p.findall(s))

Answer 2

这个正则表达式怎么样？ https://regex101.com/r/yZ4fL9/1

block (\d).*?attrib b=b(\1)

正则表达式与可选的文本块

2 个答案: