如何在Python中匹配嵌套的LaTeX宏和re

Question

我想正确匹配LaTeX宏，即使是嵌套的宏。参见以下内容：

s = r'''
firstline
lr{secondlinerl{ right-to-left
lr{nested left-to-right} end RTL }
other text
}
rl{ last lr{end line 
} end RTL }
'''

例如，在上面的文章中，我想将lr宏与其内容相匹配。我尝试过以下方法，但没有一个能正确工作：

re.findall(r'(?:\lr{.*})', s, re.DOTALL)
['\lr{secondline\rl{ right-to-leftn        \lr{nested left-to-right} end RTL }n        other textn}n\rl{ last \lr{end line n} end RTL }']

即使是非贪婪版本在这种情况下也不起作用：

re.findall(r'(?:\lr{.*?})', s, re.DOTALL)
['\lr{secondline\rl{ right-to-leftn        \lr{nested left-to-right}',
'\lr{end line n}']

我需要一些正则表达式来正确匹配它，类似于嵌套的括号，这里我为LaTeX宏嵌套了花括号。

编辑：

我想得到以下匹配：

['\lr{secondline\rl{ right-to-leftn        \lr{nested left-to-right} end RTL }n        other textn}', 
'\lr{nested left-to-right}',
'\lr{end line n}']

如果我知道嵌套的级别，这将是完美的，就像下面这样：

[('\lr{secondline\rl{ right-to-leftn        \lr{nested left-to-right} end RTL }n        other textn}',1) 
('\lr{nested left-to-right}',2)
('\lr{end line n}',1)]

Answer 1

使用PyPi regex模块(在使用pip install regex安装后(，您可以使用

import regex
s = r'''
firstline
lr{secondlinerl{ right-to-left
lr{nested left-to-right} end RTL }
other text
}
rl{ last lr{end line 
} end RTL }
'''
print( [x.group() for x in regex.finditer(r'\lr({(?:[^{}]++|(?1))*})', s, overlapped=True)] )
# => ['\lr{secondline\rl{ right-to-leftn        \lr{nested left-to-right} end RTL }n        other textn}', '\lr{nested left-to-right}', '\lr{end line n}']

请参阅Python演示和regex演示。

还请注意与regex.finditer一起使用的overlapped=True选项允许匹配嵌套出现。

详细信息：

• \lr-lr字符串
• ({(?:[^{}]++|(?1))*})-第1组(定义为递归时引用(：
  • {-一个{字符
  • (?:[^{}]++|(?1))*-零次或多次重复
  • [^{}]++-除了{和}之外的一个或多个字符，在触发回溯的情况下，不可能再次重新匹配文本(即，它是所有物匹配的(
  • |-或
  • (?1)-第1组模式重复出现
  • }-一个}字符