Python 多行正则表达式分隔符

Question

有这个多行变量：

raw = '''
CONTENT = ALL
TABLES = TEST.RAW_1
        , TEST.RAW_2
        , TEST.RAW_3
        , TEST.RAW_4
PARALLEL = 4
'''

结构总是 TAG = CONTENT，两个字符串都不是固定的，CONTENT 可以包含新行。

我需要一个regex来获得：

[('CONTENT', 'ALL'), ('TABLES', 'TEST.RAW_1\n        , TEST.RAW_2\n        , TEST.RAW_3\n        , TEST.RAW_4\n'), ('PARALLEL', '4')]

尝试了多种组合，但我无法停止 regex 引擎 TABLES 标签，因为它的内容是由下一个标签分隔的 多行字符串 。

一些尝试来自口译员：

>>> re.findall(r'(\w+?)\s=\s(.+?)', raw, re.DOTALL)
[('CONTENT', 'A'), ('TABLES', 'T'), ('PARALLEL', '4')]


>>> re.findall(r'^(\w+)\s=\s(.+)?', raw, re.M)
[('CONTENT', 'ALL'), ('TABLES', 'TEST.RAW_1'), ('PARALLEL', '4')]


>>> re.findall(r'(\w+)\s=\s(.+)?', raw, re.DOTALL)
[('CONTENT', 'ALL\nTABLES = TEST.RAW_1\n        , TEST.RAW_2\n        , TEST.RAW_3\n        , TEST.RAW_4\nPARALLEL = 4\n')]

谢谢！

Answer 1

您可以使用积极的前瞻来确保您懒惰地正确匹配值：

(\w+)\s=\s(.+?)(?=$|\n[A-Z])
                ^^^^^^^^^^^^

与 DOTALL 修饰符一起使用，以便 . 可以匹配换行符。 (?=$|\n[A-Z]) 前瞻将要求 .+? 匹配到字符串的末尾，或者匹配到后跟大写字母的换行符。

参见regex demo。

还有替代方案，更快的正则表达式（因为它是上述表达式的展开版本）- 但 DOTALL 修饰符不应与它一起使用：

(\w+)\s*=\s*(.*(?:\n(?![A-Z]).*)*)

见another regex demo

解释:

(\w+) - 第 1 组捕获 1+ 个单词字符
\s*=\s* - = 符号用可选的 (0+) 空格包裹
(.*(?:\n(?![A-Z]).*)*) - 第 2 组捕获 0+ 个序列：
- .* - 除换行符外的任何 0+ 个字符
- (?:\n(?![A-Z]).*)* - 0+ 个序列：
  - \n(?![A-Z]) - 换行符后面没有大写 ASCII 字母
  - .* - 除换行符外的任何 0+ 个字符

Python demo:

import re
p = re.compile(r'(\w+)\s=\s(.+?)(?=$|\n[A-Z])', re.DOTALL)
raw = '''
CONTENT = ALL
TABLES = TEST.RAW_1
        , TEST.RAW_2
        , TEST.RAW_3
        , TEST.RAW_4
PARALLEL = 4
'''
print(p.findall(raw))

Python 多行正则表达式分隔符

Python multiline regex delimiter

python

regex

multiline

multilinestring