包含部分不完整嵌套结构的文本文件的正则表达式

Question

我想用这种嵌套格式分析一个文件：

/begin FUNCTION

    foo
    "1.2.12 foo_long"

    /begin DEF1
    /end DEF1
    FUNCTION_VERSION "1.2.0"

/end FUNCTION

/begin FUNCTION

    bar
    ""

/end FUNCTION

/begin FUNCTION

    urbi
    "10.15.23 urbi_long"

    /begin DEF1
    /end DEF1
    FUNCTION_VERSION "10.15.3"

/end FUNCTION

我想从中提取函数名、长名和版本号。你知道吗

我使用以下正则表达式执行此操作：

sSearch = r'/begin FUNCTION\s+(\w*)\s+"[\d\._\s]*([^"]+)*"(.*?)FUNCTION_VERSION\s+"([^"]+)"\s+/end FUNCTION'
lMatches = re.findall(sSearch, sFileContent, re.S)
dMatches = {args[0]: [args[3], args[1]] for args in lMatches if args}
print(dMatches)

这导致：

{'foo': ['1.2.0', 'foo_long'], 'bar': ['10.15.3', '']}

来自urbi的函数版本被错误地分配给bar。我根本不希望bar返回，因为它不包含函数版本。你知道吗

当发现end FUNCTION没有前导function version时，如何调整regex，使其在bar之前释放/begin FUNCTION发生？你知道吗

我希望输出为：

{'foo': ['1.2.0', 'foo_long'], 'urbi': ['10.15.3', 'urbi_long']}

我也困惑的是为什么我需要在中间添加一个不必要的^ {CD8}}捕获组。它不也应该与一个简单的.*一起工作吗？你知道吗

Answer 1

这是一种使用Lookbehind & Lookahead的方法。你知道吗

演示：

import re

s = """/begin FUNCTION

    foo
    "1.2.0 foo_long"

    /begin DEF1
    /end DEF1
    FUNCTION_VERSION "1.2.0"

/end FUNCTION

/begin FUNCTION

    bar
    ""

/end FUNCTION

/begin FUNCTION

    urbi
    "10.15.3 urbi_long"

    /begin DEF1
    /end DEF1
    FUNCTION_VERSION "10.15.3"

/end FUNCTION"""

result = {}
for i in re.findall(r"(?<=/begin FUNCTION)(.*?)(?=/end FUNCTION)", s, flags=re.DOTALL):
    val = i.strip().splitlines()
    if val:
        try:
            result[val[0]] = val[1].replace('"', "").split()
        except:
            result[val[0]] = []
print(result)

输出：

{'urbi': ['10.15.3', 'urbi_long'], 'foo': ['1.2.0', 'foo_long'], 'bar': []}