如何仅迭代连续模式

Question

给定这个分号分隔的 C/Java/other 表达式

text = "func(10+3,40+5);....;func(6+7,8+9)"

我想提取func参数的位置，由 2 个添加的 illals 组成。

import re
text = "func(10+3,40+5);....;func(6+7,8+9)"
result = [(x.start(),x.end()) for x in re.finditer("d++d+,?",text)]
print(result)

给：

[(5, 10), (10, 14), (26, 30), (30, 33)]

但这不是我想要的：我想在参数不连续时停止迭代（因为我稍后会寻找下一个func，我想提取func的参数，而不是其他函数）。

在这种情况下，re.finditer会扭曲到下一个模式，跳过中间不匹配的数据。

为了做我想做的事情，我想出了一个解决方案，记住上一个匹配并检查当前匹配是否紧随其后（如果存在）。喜欢这个：

result=[]
previous_match = None
for x in re.finditer("d++d+,?",text):
    if previous_match and previous_match.end()!=x.start():
        break
    previous_match = x
    result.append((x.start(),x.end()))
print(result)

给：

[(5, 10), (10, 14)]

这就是我想要的，但我失去了列表理解，我引入了一个丑陋的内存参数。有什么更好的方法可以做到这一点吗？

Answer 1

只是为了把我的两分钱放进去：使用两个正则表达式不是容易得多吗？

import re
text = "func(10+3,40+5,1002+54);....;func(6+7,8+9)"
func = re.compile(r'func([^()]+)')
params = re.compile(r'd++d+,?')
result = [[p.group(0) for p in params.finditer(f.group(0))] for f in func.finditer(text)]
print(result)
# [['10+3,', '40+5,', '1002+54'], ['6+7,', '8+9']]

这样，每个元素只包含一个函数的参数。

---

要获得位置，我们需要添加外部起始位置作为偏移量：

import re
text = "func(10+3,40+5,1002+54);....;func(6+7,8+9)"
func = re.compile(r'func([^()]+)')
params = re.compile(r'd++d+,?')
result = [[(p.start() + f.start(), p.end() + f.start())
            for p in params.finditer(f.group(0))]
            for f in func.finditer(text)]
print(result)
# [[(5, 10), (10, 15), (15, 22)], [(34, 38), (38, 41)]]

Answer 2

有一些正则表达式引擎支持在最后一个匹配位置匹配的G锚点，但 python 的 re 模块不支持。

如果您使用支持G锚点的正则表达式模块，则可以使用纯正则表达式解决方案。由于G只匹配上一个匹配项或字符串的开头（但我们的第一个结果不会出现在字符串的开头），我们使用G(?:^func()?K来匹配字符串开头的func(，然后丢弃它：

import regex
for match in regex.finditer(r'G(?:^func()?Kd++d+,?', text):
    print(match.span())

否则，您将不得不求助于编写一些python代码。最简单的方法可能是只搜索第一个";"字符的字符串：

import re
for match in re.finditer(r'd++d+,?', text[:text.find(';')]):
    print(match.span())

Answer 3

您是否尝试过在列表中使用 iter？

import re
text = "func(10+3,40+5);....;func(6+7,8+9)"
result = iter([(x.start(),x.end()) for x in re.finditer("d++d+,?",text)])

Answer 4

正如评论所指出的，如果没有额外的逻辑（我已经弄清楚），re 模块是不可能的，所以我必须升级到regex模块。

Stefan在评论中提供了一个答案，允许继续使用列表理解，因为它不需要任何标志。Stephan 建议在线上使用 str.split(" ")[0] 来摆脱尾随函数，我更喜欢使用 str.partition(";")[0]，因为这是代码，因此函数调用必须以 ; 结尾（如果它在下一行，没关系）

result = [(x.start(),x.end()) for x in re.finditer("d++d+,?",text.partition(";")[0])]

作为奖励，partition 比 split 略快，即使它创建了 3 个字符串，与不创建字符串以丢弃它们的纯正则表达式解决方案相比，这有点浪费。