转换C++ Boost正则表达式到Python RE正则表达式

Question

目的是将C++boost中的正则表达式转换为Pythonre正则表达式：

  typedef boost::u32regex tRegex;

  tRegex emptyre = boost::make_u32regex("^$");
  tRegex commentre = boost::make_u32regex("^;.*$");
  tRegex versionre = boost::make_u32regex("^@\\$Date: (.*) \\$$");
  tRegex includere = boost::make_u32regex("^<(\\S+)$");
  tRegex rungroupre = boost::make_u32regex("^>(\\d+)$");
  tRegex readreppre = boost::make_u32regex("^>(\\S+)$");
  tRegex tokre = boost::make_u32regex("^:(.*)$");
  tRegex groupstartre = boost::make_u32regex("^#(\\d+)$");
  tRegex groupendre = boost::make_u32regex("^#$");
  tRegex rulere = boost::make_u32regex("^([!-+^])([^\\t]+)\\t+([^\\t]*)$");

我可以逐个重写这些regex，但是上面的例子还有很多，所以我的问题是关于

>强>如何将C++ Boost ReGeExest+Python < /St>和转换
• boost regex和python re regex有什么区别？

< P><强> > Python中的C++ {{CD5>}与^ {CD4>}正则表达式相同吗？如果没有，有什么区别？（链接到文档将非常感谢=））例如：

• 在boost中，有boost::u32regex_match，与 re.match？在
• 在boost中，有boost::u32regex_search，它与re.search有什么不同
• 还有boost::format_perl和{}和{}，它们在{}re中的等价性是什么？在

Answer 1

How to convert C++ boost regexest to Python

对于简单的regex，比如\w+\s+\d+，或者{}，您不必更改模式。如果有更复杂的模式和下面提到的构造，您很可能需要重新编写一个regex。与从一种口味/语言到另一种口味/语言的任何转换一样，一般的答案是不要。然而，Python和Boost确实有一些相似之处，特别是当涉及到包含点（a.*b）、正则（[\w-]*）和反（[^>]*）字符类的简单模式（如果Boost使用的是类PCRE的模式），正则量词如+/*/?等。在

what is the difference between boost regexes and python re regexes?

Python ^{} module没有Boost regexps那么丰富（只要提到^{}, ^{}, ^{}, ^{}, ^{}, ^{}, branch reset, recursion, possessive quantifiers, POSIX character classes and character properties，extended replacement pattern）和Boost所具有的其他特性就足够了。(?imsx-imsx:pattern)仅限于Python中的整个表达式，而不是其中的一部分，因此您应该注意，&|&#((?i)x26);|&中的(?i)将被视为模式的开头（但是，它对该表达式没有任何影响）。在

另外，与Boost中的一样，您不必在字符类内转义[，而在字符类之外转义{。在

像\1这样的反向引用与Python中的相同。在

由于您没有在模式中交替使用捕捉组（例如re.sub(r'\d(\w)|(go\w*)', '\2', 'goon')），所以应该没有问题（在这种情况下，Python不会用任何值填充非参与组，并且返回一个空结果）。在

注意命名组定义的区别：Boost中的(?<NAME>expression)/(?'NAME'expression)，Python中的(?P<NAME>expression)。在

我看到你的regexp主要属于“简单”类。最复杂的模式是tempered greedy token（例如⌊-((?:(?!-⌋).)*)-⌋）。为了优化它们，您可以使用unroll the loop技术，但根据处理表达式的文本大小，这可能不是必需的。在

在我看来，最麻烦的部分是您大量使用Unicode文本。在python2.x中，所有的字符串都是字节数组，您必须始终确保将unicode对象传递给unicode regexp（请参见Python 2.x’s Unicode Support）。在python3中，默认情况下所有字符串都是UTF8，您甚至可以在源代码中使用UTF8文本字符，而无需任何附加操作（请参见Python’s Unicode Support）。因此，python3.3+（支持原始字符串字面值）是一个很好的候选者。在

至于剩下的问题：

in boost, there's boost::u32regex_match, is that the same as re.match?

^{}与regex_match不同，因为re.match在字符串的开头查找匹配，而^{}需要一个完整的字符串匹配。但是，在python3中，可以使用与Boost^{cd29>}等效的^{}。在

in boost, there's boost::u32regex_search, how is it different to re.search

当您需要在字符串中的任何地方找到匹配项时，您需要使用re.search（请参见^{} versus ^{}）。因此，此方法提供了类似于^{}在Boost中所做的功能。在

there's also boost::format_perl and boost::match_default and boost::smatch, what are their equivalence in python re?

Python在Boost can的范围内不支持类Perl的表达式，Python re模块只是一个“修剪”的Perl regex引擎，它没有我前面提到的许多好特性。因此，在那里找不到default或{}这样的标志。至于smatch，可以使用^{}来获得所有的{a15}。^{}以字符串/元组列表的形式返回所有匹配项（或仅当指定了捕获组时才返回子匹配项）。参见^{}/^{} difference。在

最后，是一篇必须阅读的文章Python’s re Module。在