Python：将格式字符串转换为正则表达式

Question

我的应用程序用户可以通过格式字符串来配置某些文件的布局。

比如，用户指定的配置值可能是：

layout = '%(group)s/foo-%(locale)s/file.txt'

现在我需要找到所有已经存在的这样的文件。使用glob模块，这看起来很简单：

glob_pattern = layout % {'group': '*', 'locale': '*'}
glob.glob(glob_pattern)

但是，接下来就难了：根据这些glob结果的列表，我需要找出所有与给定占位符匹配的文件名部分，比如所有不同的“locale”值。

我想我可以为格式字符串生成一个正则表达式，然后用它去匹配glob结果列表（或者干脆跳过glob，自己进行所有匹配）。

但我找不到一个好的方法来创建这个正则表达式，既能正确捕获分组，又能转义输入的其他部分。

例如，这可能会给我一个匹配locale的正则表达式：

regex = layout % {'group': '.*', 'locale': (.*)}

但为了确保这个正则表达式是有效的，我需要通过re.escape()来处理它，这样就会把我刚插入的正则语法也转义掉。先调用re.escape()会破坏格式字符串。

我知道有fnmatch.translate()，它甚至可以给我一个正则表达式，但不是一个能返回正确分组的。

有没有好的方法来做到这一点，而不是像用正则安全的唯一值替换占位符这样的hack？

是否有可能有某种方法（也许是第三方库？）可以更灵活地解析格式字符串，比如在占位符位置拆分字符串？

Answer 1

你可以试试这个方法，它可以解决你在转义时遇到的问题。

unique = '_UNIQUE_STRING_'
assert unique not in layout
regexp = re.escape(layout % {'group': unique, 'locale': unique}).replace(unique, '(.*)')

Answer 2

因为你在使用命名占位符，所以我建议使用命名组。这种方法似乎有效：

import re
UNIQ='_UNIQUE_STRING_'
class MarkPlaceholders(dict):
    def __getitem__(self, key):
        return UNIQ+('(?P<%s>.*?)'%key)+UNIQ

def format_to_re(format):
    parts = (format % MarkPlaceholders()).split(UNIQ)
    for i in range(0, len(parts), 2):
        parts[i] = re.escape(parts[i])
    return ''.join(parts)

然后进行测试：

>>> layout = '%(group)s/foo-%(locale)s/file.txt'
>>> print format_to_re(layout)
(?P<group>.*?)\/foo\-(?P<locale>.*?)\/file\.txt
>>> pattern = re.compile(format_to_re(layout))
>>> print pattern.match('something/foo-en-gb/file.txt').groupdict()
{'locale': 'en-gb', 'group': 'something'}