获取字符串后的文本

Question

我正在寻找帮助，以创建一个正则表达式，可以得到一个特定的文本后，一个给定的字符串使用Python。你知道吗

我试图从一个页面中提取一个JSON，它是这样的：

    var config = {aslkdjsakljdkalsj{asdasdas}askldjaskljd};

我需要一个正则表达式，它可以从第一个{到}=>；而不需要分号

我试过用

    config = .*?(?=\}\;)

但是输出是

    config = {sadasdasdas{a}asdasdasd

它获取config =部分，而不获取最后的}。你知道吗

我该怎么修？你知道吗

Answer 1

如果JS there的行保证在终止的;之前不包含换行符，那么问题就足够简单了-匹配var config =，然后是在组中捕获的非换行符，然后匹配分号和行尾。例如，如果JSON用'分隔，那么使用

var config = '(.+)';$

提取第一组。你知道吗

input = '''
  var config = '{ "foo": "b\\ar", "ba{{}}}{{z": ["buzz}", "qux", {"innerprop": "innerval"}]}';
  var someOtherVar = 'bar';
'''
match = re.search("(?m)var config = '(.+)';$", input);

如果JSON不能保证它是独立的，那么它就要复杂得多。解析像JSON这样的嵌套结构是很困难的-用正则表达式解决一般问题的唯一方法是如果结构是事先知道的（通常不是这样，并且可能需要模式中的大量重复代码），或者如果使用的RE引擎支持递归匹配。如果没有这些，就没有办法表示需要一个在模式中有}个数的{个数的平衡的^{。你知道吗

幸运的是，如果您使用的是Python，即使Python的原生REs不支持递归，也有一个regex module可用。您还需要确保JSON中字符串中的{和}不会影响当前的嵌套级别。对于原始字符串，需要一个

var config = String\.raw`\K({(?:"(?:\\|\\"|[^"])*"|[^{}]|(?1))*})(?=`;)

捕获组的外部是

var config = String\.raw`\K({ ... })(?=`;)

匹配所需的行和字符串分隔符，并捕获一组

{(?:"(?:\\|\\"|[^"])*"|[^{}]|(?1))*}

意思是-{，后跟任意数：或

• "(?:\\|\\"|[^"])*"-匹配JSON中的字符串（键或值），从其起始分隔符到结束分隔符，忽略转义的"，或
• [^{}]-匹配任何不是{或}的字符-可以忽略其他字符，因为我们只想获得正确的嵌套级别，或者
• (?1)-递归整个第一个捕获组（与{ ... }匹配的捕获组）

这将确保{}括号被模式的结尾平衡。你知道吗

---

但是-上面是一个使用String.raw的示例，其中Javascript代码中的文字反斜杠表示字符串中的文字反斜杠。另一方面，使用'分隔符时，文本反斜杠需要在JS中转义，因此上面的输入如下所示

var config = '{ "foo": "b\\\\ar", "ba{{}}}{{z": ["buzz}", "qux", {"innerprop": "innerval"}]}';

还需要对图案中的反斜杠进行双转义：

var config = '\K({(?:"(?:\\\\|\\\\"|[^"])*"|[^{}]|(?1))*})(?=';)

https://regex101.com/r/8rSrGf/1

这很复杂。如果可能的话，我建议使用第一种方法或者是一种变体。你知道吗