如何在跨多行的文本中查找模式？

Question

我想查找在集合中分组的索引数组元素（逗号分隔），搜索结果应该是这样的（请参见下面的文件数据示例）——

[    'foo[0]',     'foo[1]',     'foo[2]', ...,     'foo[10]']
['foobar0[0]', 'foobar0[1]', 'foobar0[2]'  ..., 'foobar0[98]']
[    'bas[0]',     'bas[1]',     'bas[2]'  ...,     'bas[99]']

我有一个文本文件，其中这些显示为跨越多行的“集合”，集合按{..}分组（如下所示）——

{foo[0], foo[1], foo[2], foo[3]...\n
foo[10]}, {fooba0[0], foobar0[1], foobar0[2],....\n
foobar0[98], foobar0[99]}, {bas[0], bas[1], bas[2]...\n
bas[99]}

我用来搜索数组元素的一般表达式是-

re.findall('[a-z][A-Z]+[0-9]+\[[0-9]+\]', <list item>)

在yacc中，这将转化为类似于-

array_element_token:     [a-z][A-Z]+[0-9]+\[[0-9]+\]
array_items_continued:   array_items_continued             |
                         array_element_token ',' 
arrays_items:            '{' array_items_continued array_element_token '},'

构建我不知道如何使用python正则表达式创建递归规则

Answer 1

你可以用

import re

s = r"""{foo[0], foo[1], foo[2], foo[3]...\n
foo[10]}, {fooba0[0], foobar0[1], foobar0[2],....\n
foobar0[98], foobar0[99]}, {bas[0], bas[1], bas[2]...\n
bas[99]}"""
results = []
matches = re.findall(r'{[^{}]*}', s)
for m in matches:
    results.append( re.findall(r'\w+\[\d+]', m) )

参见Python demo，结果为[['foo[0]', 'foo[1]', 'foo[2]', 'foo[3]', 'foo[10]'], ['fooba0[0]', 'foobar0[1]', 'foobar0[2]', 'foobar0[98]', 'foobar0[99]'], ['bas[0]', 'bas[1]', 'bas[2]', 'bas[99]']]

{[^{}]*}正则表达式提取{和}之间的所有子字符串，然后\w+\[\d+]提取与以下序列匹配的所有子字符串：

• \w+-1+字母、数字、_字符
• \[-a[字符
• \d+-1+位
• ]-a]字符