映射正则表达式组匹配项

Question

我想匹配正则表达式(.*)、[.*]、{.*}和<.*>。有没有办法组合这些正则表达式？

例如，我想到了这样的事情： ([([{<]).*1，但这当然符合(.*(、[.*[、{.*{和<.*<。

我的目标是能够匹配以前的正则表达式组，但在匹配之前将函数应用于该组。

考虑：

def match_pairs(pairs):
    re = '|'.join("({begin}.*{end})".format(begin=beg, end=end) for (beg, end) in pairs)
    return re

我现在正在考虑使用类似于上述函数的东西，但理想情况下，这个函数不会返回很长的正则表达式。如果您认为这个问题没有任何实际价值，请告诉我。我仍然很好奇 Python3 是否支持这样的任何功能，有点像re.sub可以像函数作为替代品。如果不存在这样的功能，我该如何编写match_pairs以便它可以将["()", "[]", "[]", "{}"]作为参数？

Answer 1

此任务的明显（也是最短）正则表达式是(.*)|[.*]|{.*}|<.*> 。

缺点是你有四个.*子模式的副本，所以如果你需要更改它，你必须在 4 个地方更改它。幸运的是，我们可以通过使用捕获组来解决此问题：

(?:(()|[()|{()|<()).*(?:1)|2]|3}|4>)

在线演示。

这可能看起来令人困惑，但实际上非常简单。该模式是这样构建的：

(?:opening_char_1()|opening_char_2()|...).*(?:1closing_char_1|2closing_char_2|...)

这使用了一个相当简单的小技巧：每个开头字符（(，[，{，<）都伴随着一个捕获组，如下所示：[()。这使我们能够"记住"匹配的开始字符 - 如果捕获组 1 匹配，我们知道开头字符是( 。如果捕获组 2 匹配，则开头字符为 [ ，依此类推。所以我们简单地使用反向引用（1、2等）来找出开始字符是什么，然后匹配相应的结束字符。