python - 开始和结束时匹配的正则表达式长度相同

Question

当开头和结尾的长度相同时，如何制作匹配的正则表达式？例如

>>> String = '[[A], [[B]], [C], [[D]]]'
>>> Result = re.findall(pattern, String)
>>> Result
>>> [ '[A]', '[[B]]', '[C]', '[[D]]' ]

目前我使用该模式\[.*?\]，但它导致

>>> ['[[A]', '[[B]', '[C]', '[[D]']

提前致谢。

Answer 1

您可以为有限数量的开始/结束字符定义这样的正则表达式（例如，“如果它以 1 开始和结束，或者以 2 开始和结束，等等”）。但是，您不能对无限数量的字符执行此操作。这只是正则表达式的一个事实。正则表达式是有限状态机的语言，有限状态机不能计数；至少需要下推自动机（上下文无关语法）的力量。

简而言之，正则表达式可以说：“我看到x然后我看到y ”，但它不能说“我看到x然后我看到y的次数相同”，因为它不记得看到x多少次。

但是，您可以使用图灵完备的 Python 编程语言的全部功能轻松做到这一点！图灵完备的语言绝对可以计算：

>>> string = '[[A], [[B]], [C], [[D]]]'
>>> sameBrackets = lambda s: len(re.findall('\[',s)) == len(re.findall('\]',s))
>>> filter(sameBrackets, string.split(", "))
['[[B]]', '[C]']

Answer 2

你不能。对不起。

Python 的正则表达式是“有限状态自动机”的扩展，它只允许在您扫描字符串以进行匹配时保留有限数量的内存。此示例需要任意数量的内存，具体取决于重复次数。

Python 允许的不仅仅是有限状态的唯一方法是使用“反向引用”，它允许您匹配字符串先前匹配部分的相同副本 - 但它们不允许您匹配某些内容，例如相同数量的字符。

相反，您应该尝试手写。

Answer 3

要匹配平衡括号，您需要一个递归正则表达式。stockre模块不支持这种语法，但替代的正则表达式支持：

import regex

r = r'\[(([^\[\]]+)|(?R))*\]'

print regex.match(r, '[[A], [[B]], [C], [[D]] ]') # ok
print regex.match(r, '[[A], [[B]], [C , [[D]] ]') # None

该表达式基本上是说：匹配被括号包围的东西，其中“某物”是一系列非括号([^\[\]]+)或整个东西(?R)。