我似乎记得DotNet中的正则表达式有一个特殊的机制,允许嵌套结构的正确匹配,如“((a ((c) b)) (d) e)
”中的分组。在Python中使用正则表达式匹配嵌套结构
什么是这个功能的python等值?这可以通过使用正则表达式来解决吗? (虽然它似乎是目前的正则表达式的实现不是为那种问题设计的)
我似乎记得DotNet中的正则表达式有一个特殊的机制,允许嵌套结构的正确匹配,如“((a ((c) b)) (d) e)
”中的分组。在Python中使用正则表达式匹配嵌套结构
什么是这个功能的python等值?这可以通过使用正则表达式来解决吗? (虽然它似乎是目前的正则表达式的实现不是为那种问题设计的)
你不能通常使用Python正则表达式来做到这一点。 (.NET正则表达式已经扩展了“平衡组”,这就是允许嵌套匹配的原因。)
然而,PyParsing是一个非常漂亮的包,这种类型的事情:
from pyparsing import nestedExpr
data = "((a ((c) b)) (d) e)"
print nestedExpr().parseString(data).asList()
输出是:
[[['a', [['c'], 'b']], ['d'], 'e']]
更多PyParsing:
我建议从正则表达式本身去除嵌套,循环遍历结果并对其执行正则表达式。
Python不支持在正则表达式中递归。因此,在Perl中,.NET的平衡组或PCRE正则表达式不能立即实现。
就像你自己所说的:这不是一个问题,你应该真正用单个正则表达式来解决。
你说的是递归吗?你的问题并不清楚。举例:
ActivePython 2.6.1.1 (ActiveState Software Inc.) based on
Python 2.6.1 (r261:67515, Dec 5 2008, 13:58:38) [MSC v.1500 32 bit (Intel)] on
win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import re
>>> p = re.compile(r"((\w+((\d+)[.;]))(\s+)\d)")
>>> m = p.match("Fred99. \t9")
>>> m
<_sre.SRE_Match object at 0x00454F80>
>>> m.groups()
('Fred99. \t9', 'Fred99.', '9.', '9', ' \t')
这显示了嵌套组的匹配。组的编号取决于模式中其左括号出现的顺序。
正则表达式不能解析嵌套结构。根据定义,嵌套结构不是常规的。它们不能用正则语法构造,并且它们不能被有限状态自动机解析(正则表达式可以被看作是FSA的简写符号)。
今天的“正则表达式”引擎有时支持一些有限的“嵌套”构造,但从技术的角度来看,它们不应该被称为“规则”了。
+1这个重要的信息。应该指出的是,添加嵌套支持不是无害的。真正的正则表达式引擎的一个很酷的事情是在处理时不需要额外的内存,除了存储状态机的常量和记住当前状态的变量。另一个是运行速度,我认为它与输入的长度成线性关系。添加嵌套支持混淆了这两个好处。 – harms 2009-07-09 15:20:53
@harms:Python正则表达式已经是非常规的(它们支持反向引用)并且可以演示指数行为[``re.match(r'(A +)* B','A'* n)`](http:// www .rexegg.com /正则表达式爆-quantifiers.html)。 (expr.count('(')):R = f'(?:{R} | \({R} \))+' \ n re.fullmatch(R,expr)`。这里是'O(n ** 2)`算法:`is_prime = lambda n:not re.fullmatch(r'1?|(11 +?)\ 1+', '1' * N)`。虽然增加递归支持会使正则表达式比现在更大的问题(但“我们都同意这里的成年人”)。 – jfs 2016-11-12 16:58:44
编辑:falsetru's nested parser,我已经略作修改,以接受任意正则表达式模式,以指定分隔符和项目分隔符,比我原来的re.Scanner
解决方案更快,更简单:
import re
def parse_nested(text, left=r'[(]', right=r'[)]', sep=r','):
""" https://stackoverflow.com/a/17141899/190597 (falsetru) """
pat = r'({}|{}|{})'.format(left, right, sep)
tokens = re.split(pat, text)
stack = [[]]
for x in tokens:
if not x or re.match(sep, x):
continue
if re.match(left, x):
# Nest a new list inside the current list
current = []
stack[-1].append(current)
stack.append(current)
elif re.match(right, x):
stack.pop()
if not stack:
raise ValueError('error: opening bracket is missing')
else:
stack[-1].append(x)
if len(stack) > 1:
print(stack)
raise ValueError('error: closing bracket is missing')
return stack.pop()
text = "a {{c1::group {{c2::containing::HINT}} a few}} {{c3::words}} or three"
print(parse_nested(text, r'\s*{{', r'}}\s*'))
产生
['a', ['c1::group', ['c2::containing::HINT'], 'a few'], ['c3::words'], 'or three']
嵌套结构无法与Python正则表达式单独匹配,但它非常容易ø生成使用re.Scanner碱性解析器(它可以处理嵌套结构):
import re
class Node(list):
def __init__(self, parent=None):
self.parent = parent
class NestedParser(object):
def __init__(self, left='\(', right='\)'):
self.scanner = re.Scanner([
(left, self.left),
(right, self.right),
(r"\s+", None),
(".+?(?=(%s|%s|$))" % (right, left), self.other),
])
self.result = Node()
self.current = self.result
def parse(self, content):
self.scanner.scan(content)
return self.result
def left(self, scanner, token):
new = Node(self.current)
self.current.append(new)
self.current = new
def right(self, scanner, token):
self.current = self.current.parent
def other(self, scanner, token):
self.current.append(token.strip())
它可以像这样使用:
p = NestedParser()
print(p.parse("((a+b)*(c-d))"))
# [[['a+b'], '*', ['c-d']]]
p = NestedParser()
print(p.parse("((a ((c) b)) (d) e)"))
# [[['a', [['c'], 'b']], ['d'], 'e']]
默认NestedParser
嵌套括号匹配。您可以传递其他正则表达式来匹配其他嵌套模式,例如括号[]
。 For example,
p = NestedParser('\[', '\]')
result = (p.parse("Lorem ipsum dolor sit amet [@a xxx yyy [@b xxx yyy [@c xxx yyy]]] lorem ipsum sit amet"))
# ['Lorem ipsum dolor sit amet', ['@a xxx yyy', ['@b xxx yyy', ['@c xxx yyy']]],
# 'lorem ipsum sit amet']
p = NestedParser('<foo>', '</foo>')
print(p.parse("<foo>BAR<foo>BAZ</foo></foo>"))
# [['BAR', ['BAZ']]]
当然,pyparsing
可以做一大堆比上面的代码可以更多。但是对于这个单一目的,上述NestedParser
为小弦约5倍更快:
In [27]: import pyparsing as pp
In [28]: data = "((a ((c) b)) (d) e)"
In [32]: %timeit pp.nestedExpr().parseString(data).asList()
1000 loops, best of 3: 1.09 ms per loop
In [33]: %timeit NestedParser().parse(data)
1000 loops, best of 3: 234 us per loop
和更快的放大字符串周围28X:
In [44]: %timeit pp.nestedExpr().parseString('({})'.format(data*10000)).asList()
1 loops, best of 3: 8.27 s per loop
In [45]: %timeit NestedParser().parse('({})'.format(data*10000))
1 loops, best of 3: 297 ms per loop
PCRE支持使用之中的指令递归模式(R?)其他事情。 Python可能支持较旧的PCRE,但不支持较新的版本。 http://en.wikipedia.org/wiki/Perl_Compatible_Regular_Expressions – 2009-07-09 07:27:29