Question

请考虑以下文本：

SELECT
    CAST(POS.BALANCE AS DECIMAL(18, @currencyround)) AS DBAmount
FROM 
    dbo.POS_SALES POS

您可能已经猜到了，我想从每个部分中提取! interesting1 a not interesting b interesting2 c ! interesting1 a not interesting b interesting2 c ! interesting1 a not interesting b interesting2 c not interesting arbitrary text d !和a。 c行是可选的，但是如果也有interesting2 c（按节），我只需要a。

使用c我得到：

!\n(interesting1 (?P<a>.*?)$.*?(?:interesting2 (?P<c>.*?))?$\n(?=!))和a来自最前面的两个部分，但（可以理解）来自最后一个部分的c和a。请参见regex101。

我怀疑这是在这种情况下最有效的正则表达式，因为这小段文字需要438个步骤，因此我愿意接受任何其他更有效的解决方案以获取正确的结果。

如果我将正则表达式更改为c\nnot interesting arbitrary text d（而不是捕获组!\n(interesting1 (?P<a>.*?)$.*?(?:interesting2 (?P<c>\w+))?$\n(?=!))中的\w+的{{1}}），则它在第三部分匹配的唯一内容是{{1} }（由于.*?不包含c，因此可以预期。）

我不了解如何使用a来指定
\w和结束\n之间的任意文本的可选行。

使用可选的非捕获组和$的不同变体形式不能给我正确的结果。我什至在前瞻部分中尝试了可选的非捕获组（以表示我们在！之前可能还有其他/可选的内容）。

Answer 1

我用这个

import re

text=\
"""
!
interesting1 a
not interesting b
interesting2 c
!
interesting1 a
not interesting b
interesting2 c
!
interesting1 a
not interesting b
interesting2 c
not interesting d
!
"""

pa = re.compile(r'^interesting[12] ([a-zA-Z]){1}', re.MULTILINE)
m = pa.findall(text)
print(m)

它有6个算数，128个步骤。

Answer 2

我不了解如何使用$来指定interesting2 c和结束!之间的任意文本的可选行。

这是因为$与匹配可选的文本行无关。 $只是一个锚，它在字符串的末尾（如果正则表达式处于多行模式，则在换行符之前）声明一个位置。完全不需要匹配一行文本。

您的正则表达式无法正常工作的原因非常简单：缺少与可选行匹配的内容。正如我之前说过的，$只是一个锚点-它不会使用任何文本。因此，为了成功匹配您的(?=!)前瞻，组c必须增长并匹配所有文本，直到!字符为止。为了防止这种情况的发生，您必须添加可以匹配最后一行的内容，例如.*?或[^\n]*。

但是，在这种特定情况下，这并不像在.*?前行添加(?=!)那样简单。为什么？由于c组是可选的，因此在末尾添加.*?将阻止c组的匹配：

!\n(interesting1 (?P<a>.*?)$.*?(?:interesting2 (?P<c>\w+))?$\n.*?(?=!))
                            ^  ^                              ^
                            |  |                              this .*? would grow
                            |  |                              and consume the
                            |  |                              "interesting2 c"
                            |  this group is optional, so it would be skipped
                            this .*? would match the empty string

因此，最好是从头开始重写正则表达式。

这是我的写法：

!\ninteresting1 (?P<a>.*)(?:\n[^!].*)*\ninteresting2 (?P<c>.*)

逻辑很简单：

!\ninteresting1 (?P<a>.*)匹配第一行并捕获a
(?:\n[^!].*)*跳过所有以!开头的行
\ninteresting2 (?P<c>.*)匹配并捕获c

这与您的正则表达式略有不同，因为仅当a和c同时存在于一个节中时，它才会产生匹配项。另请参见online demo。

轻微的正则表达式混淆-使用多行标志时的$行为

2 个答案: