Python:如何将嵌套括号与正则表达式匹配?

时间:2011-03-28 03:22:47

标签: python regex nested

我正在尝试匹配具有嵌套括号的数学表达式字符串。

import re

p = re.compile('\(.+\)')
str = '(((1+0)+1)+1)'
print p.findall(s)
  

[ '(((1 + 0)+1)+1)']

我希望它匹配所有包含的表达式,例如(1 + 0),((1 + 0)+1)......
我甚至不关心它是否匹配不需要的那些(((1 + 0),我可以照顾那些。

为什么它不会那样做,我该怎么办呢?

13 个答案:

答案 0 :(得分:25)

正如其他人所提到的,正则表达式不是嵌套构造的方法。我将使用pyparsing

给出一个基本示例
import pyparsing # make sure you have this installed

thecontent = pyparsing.Word(pyparsing.alphanums) | '+' | '-'
parens     = pyparsing.nestedExpr( '(', ')', content=thecontent)

这是一个用法示例:

>>> parens.parseString("((a + b) + c)")

<强>输出:

(                          # all of str
 [
  (                        # ((a + b) + c)
   [
    (                      #  (a + b)
     ['a', '+', 'b'], {}   
    ),                     #  (a + b)      [closed]
    '+',
    'c'
   ], {}
  )                        # ((a + b) + c) [closed]
 ], {}  
)                          # all of str    [closed]

(手动完成换行/缩进/评论)

编辑:根据Paul McGuire的建议修改以消除不必要的Forward

以嵌套列表格式获取输出:

res = parens.parseString("((12 + 2) + 3)")
res.asList()

<强>输出:

[[['12', '+', '2'], '+', '3']]

答案 1 :(得分:14)

a new regular engine module准备替换Python中的现有版本。它引入了许多新功能,包括递归调用。

import regex

s = 'aaa(((1+0)+1)+1)bbb'

result = regex.search(r'''
(?<rec> #capturing group rec
 \( #open parenthesis
 (?: #non-capturing group
  [^()]++ #anyting but parenthesis one or more times without backtracking
  | #or
   (?&rec) #recursive substitute of group rec
 )*
 \) #close parenthesis
)
''',s,flags=regex.VERBOSE)


print(result.captures('rec'))

输出:

['(1+0)', '((1+0)+1)', '(((1+0)+1)+1)']

regex中的相关错误:http://code.google.com/p/mrab-regex-hg/issues/detail?id=78

答案 2 :(得分:12)

正则表达式尝试尽可能多地匹配文本,从而消耗所有字符串。它不会在该字符串的某些部分上查找正则表达式的其他匹配项。这就是为什么你只得到一个答案。

解决方案是不使用正则表达式。如果您实际上正在尝试解析数学表达式,请使用真正的解析解决方案。如果你真的只想捕获括号内的碎片,只需在你看到(和)时递增字符计数并递增一个递减计数器。

答案 3 :(得分:11)

正则表达式语言不足以匹配任意嵌套的结构。为此,您需要一个下推式自动机(即解析器)。有几种此类工具可用,例如PLY

Python还为自己的语法提供parser library,这可能会满足您的需要。然而,输出非常详细,并需要一段时间来包裹你的头。如果你对这个角度感兴趣,下面的讨论试图尽可能简单地解释。

>>> import parser, pprint
>>> pprint.pprint(parser.st2list(parser.expr('(((1+0)+1)+1)')))
[258,
 [327,
  [304,
   [305,
    [306,
     [307,
      [308,
       [310,
        [311,
         [312,
          [313,
           [314,
            [315,
             [316,
              [317,
               [318,
                [7, '('],
                [320,
                 [304,
                  [305,
                   [306,
                    [307,
                     [308,
                      [310,
                       [311,
                        [312,
                         [313,
                          [314,
                           [315,
                            [316,
                             [317,
                              [318,
                               [7, '('],
                               [320,
                                [304,
                                 [305,
                                  [306,
                                   [307,
                                    [308,
                                     [310,
                                      [311,
                                       [312,
                                        [313,
                                         [314,
                                          [315,
                                           [316,
                                            [317,
                                             [318,
                                              [7,
                                               '('],
                                              [320,
                                               [304,
                                                [305,
                                                 [306,
                                                  [307,
                                                   [308,
                                                    [310,
                                                     [311,
                                                      [312,
                                                       [313,
                                                        [314,
                                                         [315,
                                                          [316,
                                                           [317,
                                                            [318,
                                                             [2,
                                                              '1']]]]],
                                                         [14,
                                                          '+'],
                                                         [315,
                                                          [316,
                                                           [317,
                                                            [318,
                                                             [2,
                                                              '0']]]]]]]]]]]]]]]],
                                              [8,
                                               ')']]]]],
                                          [14,
                                           '+'],
                                          [315,
                                           [316,
                                            [317,
                                             [318,
                                              [2,
                                               '1']]]]]]]]]]]]]]]],
                               [8, ')']]]]],
                           [14, '+'],
                           [315,
                            [316,
                             [317,
                              [318, [2, '1']]]]]]]]]]]]]]]],
                [8, ')']]]]]]]]]]]]]]]],
 [4, ''],
 [0, '']]

你可以通过这个简短的功能缓解疼痛:

def shallow(ast):
    if not isinstance(ast, list): return ast
    if len(ast) == 2: return shallow(ast[1])
    return [ast[0]] + [shallow(a) for a in ast[1:]]

>>> pprint.pprint(shallow(parser.st2list(parser.expr('(((1+0)+1)+1)'))))
[258,
 [318,
  '(',
  [314,
   [318, '(', [314, [318, '(', [314, '1', '+', '0'], ')'], '+', '1'], ')'],
   '+',
   '1'],
  ')'],
 '',
 '']

这些数字来自Python模块symboltoken,您可以使用这些模块从数字到名称构建查找表:

map = dict(token.tok_name.items() + symbol.sym_name.items())

您甚至可以将此映射折叠到shallow()函数中,以便您可以使用字符串而不是数字:

def shallow(ast):
    if not isinstance(ast, list): return ast
    if len(ast) == 2: return shallow(ast[1])
    return [map[ast[0]]] + [shallow(a) for a in ast[1:]]

>>> pprint.pprint(shallow(parser.st2list(parser.expr('(((1+0)+1)+1)'))))
['eval_input',
 ['atom',
  '(',
  ['arith_expr',
   ['atom',
    '(',
    ['arith_expr',
     ['atom', '(', ['arith_expr', '1', '+', '0'], ')'],
     '+',
     '1'],
    ')'],
   '+',
   '1'],
  ')'],
 '',
 '']

答案 4 :(得分:5)

Stack是这项工作的最佳工具: -

import re
def matches(line, opendelim='(', closedelim=')'):
    stack = []

    for m in re.finditer(r'[{}{}]'.format(opendelim, closedelim), line):
        pos = m.start()

        if line[pos-1] == '\\':
            # skip escape sequence
            continue

        c = line[pos]

        if c == opendelim:
            stack.append(pos+1)

        elif c == closedelim:
            if len(stack) > 0:
                prevpos = stack.pop()
                # print("matched", prevpos, pos, line[prevpos:pos])
                yield (prevpos, pos, len(stack))
            else:
                # error
                print("encountered extraneous closing quote at pos {}: '{}'".format(pos, line[pos:] ))
                pass

    if len(stack) > 0:
        for pos in stack:
            print("expecting closing quote to match open quote starting at: '{}'"
                  .format(line[pos-1:]))

在客户端代码中,由于函数是作为生成器函数编写的,只需使用for循环模式来展开匹配: -

line = '(((1+0)+1)+1)'
for openpos, closepos, level in matches(line):
    print(line[openpos:closepos], level)

此测试代码在我的屏幕上产生以下内容,注意到打印输出中的第二个参数表示括号的深度

1+0 2
(1+0)+1 1
((1+0)+1)+1 0

答案 5 :(得分:3)

来自链接的答案:

来自LilyPond convert-ly实用程序(由我自己编写/版权所有,所以我可以在这里展示):

def paren_matcher (n):
    # poor man's matched paren scanning, gives up
    # after n+1 levels.  Matches any string with balanced
    # parens inside; add the outer parens yourself if needed.
    # Nongreedy.
    return r"[^()]*?(?:\("*n+r"[^()]*?"+r"\)[^()]*?)*?"*n

convert-ly倾向于在其正则表达式中将其用作paren_matcher(25),这对于大多数应用程序来说可能是过度杀伤力。但后来它用它来匹配Scheme表达式。

是的,它在给定的限制之后崩溃了,但是将它插入正则表达式的能力仍然胜过&#34;正确的&#34;在可用性方面支持无限深度的替代方案。

答案 6 :(得分:1)

平衡对(例如括号)是正则表达式无法识别的语言示例。

以下是对数学原理的简要解释。

正则表达式是定义有限状态自动机(缩写为FSM)的一种方式。这种设备具有有限量的可能状态来存储信息。如何使用该状态不受特别限制,但它确实意味着它可以识别的绝对最大数量的不同位置。

例如,状态可用于计数,例如,不匹配的左括号。但是因为这种计数的状态量必须完全有限,所以给定的FSM可以计入最大值 n -1,其中 n 是数量如果 n 是10,那么FSM可以匹配的最大不匹配左括号数是10,直到它中断为止。由于完全可以再使用一个左括号,因此没有可能正确识别匹配括号的完整语言的FSM。

那又怎样?假设您选择了一个非常大的 n ?问题在于,作为描述FSM的一种方式,正则表达式基本上描述了从一个状态到另一个状态的所有转换。因为对于任何N,FSM将需要2个状态转换(一个用于匹配左括号,一个用于匹配右),正则表达式本身必须至少增长 n <的常数因子倍/ p>

相比之下,下一个更好的语言类(无上下文语法)可以以完全紧凑的方式解决这个问题。这是BNF中的一个例子

expression ::= `(` expression `)` expression
           |    nothing
 

答案 7 :(得分:0)

你应该编写一个适当的解析器来解析这样的表达式(例如使用pyparsing)。 正则表达式不适合编写正确的解析器。

答案 8 :(得分:0)

您可以使用regexp,但您需要自己进行递归。类似下面这样的诀窍(如果你只需要找到,正如你的问题所说,所有括在括号中的表达式):

import re

def scan(p, string):
    found = p.findall(string)
    for substring in found:
        stripped = substring[1:-1]
        found.extend(scan(p, stripped))
    return found

p = re.compile('\(.+\)')
string = '(((1+0)+1)+1)'
all_found = scan(p, string)
print all_found

但是,此代码与“正确”括号不匹配。如果您需要这样做,那么使用专门的解析器会更好。

答案 9 :(得分:0)

这是一个针对你的问题的演示,虽然它很笨拙,但它有效

page {
  & ion-item {               // => page ion-item
    &.item {                 // => page ion-item.item
      color: red;

      &[margin-bottom] {     // => page ion-item.item[margin-bottom]
        margin-bottom: 1em;
      }

      & ion-avatar {         // => page ion-item.item ion-avatar
        font-weight: bold;
      }
    }
  }
}

答案 10 :(得分:0)

我的解决方案是:定义一个函数以提取最外括号内的内容,然后重复调用该函数,直到获得最内括号内的内容。

def get_string_inside_outermost_parentheses(text):
    content_p = re.compile(r"(?<=\().*(?=\))")
    r = content_p.search(text)
    return r.group() 

def get_string_inside_innermost_parentheses(text):
    while '(' in text:
        text = get_string_inside_outermost_parentheses(text)
    return text

答案 11 :(得分:-1)

我相信这个功能可能适合你的需要,我把它快速地扔到一起,所以随意把它清理一下。在做巢时,很容易向后看,并从那里开始工作=]

def fn(string,endparens=False):
    exp = []
    idx = -1
    for char in string:
        if char == "(":
            idx += 1
            exp.append("")
        elif char == ")":
            idx -= 1
            if idx != -1:
                exp[idx] = "(" + exp[idx+1] + ")"
        else:
            exp[idx] += char
    if endparens:
        exp = ["("+val+")" for val in exp]
    return exp

答案 12 :(得分:-1)

很多帖子都暗示对于嵌套大括号,   REGEX不是这样做的方式。简单地计算一下: 例如,请参阅:Regular expression to detect semi-colon terminated C++ for & while loops

这是一个完整的python示例,用于遍历字符串并计算大括号:

# decided for nested braces to not use regex but brace-counting
import re, string

texta = r'''
nonexistent.\note{Richard Dawkins, \textit{Unweaving the Rainbow: Science, Delusion
and the Appetite for Wonder} (Boston: Houghton Mifflin Co., 1998), pp. 302, 304,
306-309.} more text and more.

 This is a statistical fact, not a
guess.\note{Zheng Wu, \textit{Cohabitation: An Alternative Form
of Family Living} (Ontario, Canada: Oxford University Press,
2000), p. 149; \hbox{Judith} Treas and Deirdre Giesen, ``Title
and another title,''
\textit{Journal of Marriage and the Family}, February 2000,
p.\,51}

more and more text.capitalize
'''
pos = 0
foundpos = 0
openBr = 0 # count open braces
while foundpos <> -1:
    openBr = 0
    foundpos = string.find(texta, r'\note',pos)
    # print 'foundpos',foundpos
    pos = foundpos + 5
    # print texta[pos]
    result = ""
    while foundpos > -1 and openBr >= 0:
        pos = pos + 1
        if texta[pos] == "{":
            openBr = openBr + 1
        if texta[pos] == "}":
            openBr = openBr - 1
        result = result + texta[pos]
    result = result[:-1] # drop the last } found.
    result = string.replace(result,'\n', ' ') # replace new line with space
    print result