表达式直到注释或行尾

Question

虽然这个问题和这个讨论有点相似，但我觉得我在用正则表达式写代码的时候可能做错了什么。

我想要匹配一行中的所有内容，直到遇到注释符号（“#”）或者行的结束（如果没有注释的话）。

我现在用的正则表达式是：(.*)(#|$)

(.*) = 所有内容
(#|$) = 注释或者行的结束

代码如下：

OPTION = re.compile(r'(?P<value>.*)(#|$)')
file = open('file.txt')
lines = file.read()
for line in lines.split('\n'):
    get_match = OPTION.match(line)
    if get_match:
        line_value = get_match.group('value')
        print "Match=  %s" % line_value

这个正则表达式可以工作，但它并没有去掉注释。如果文件中有一行像这样：

this is a line   # and this is a comment

运行代码时，我仍然会得到整行内容。

我是不是在正则表达式中漏掉了什么值或信息，还是说我需要对代码进行修改？

Answer 1

@Can、@Benji 和 @ΤΖΩΤΖΙΟΥ 提供了三个很棒的解决方案，看看它们的匹配速度也是很有趣的（这就是 timeit 的用途——进行一些无意义的小测试，哈哈；）。比如：

$ python -mtimeit -s'import re; r=re.compile(r"([^#]*)(#.*)?"); s="this is a line   # and this is a comment"' 'm=r.match(s); g=m.group(1)'
100000 loops, best of 3: 2.02 usec per loop

对比

$ python -mtimeit -s'import re; r=re.compile(r"^(.*?)(?:#|$)"); s="this is a line   # and this is a comment"' 'm=r.match(s); g=m.group(1)'
100000 loops, best of 3: 4.19 usec per loop

对比

$ python -mtimeit -s'import re; r=re.compile(r"(.*?)(#|$)"); s="this is a line   # and this is a comment"' 'm=r.match(s); g=m.group(1)'
100000 loops, best of 3: 4.37 usec per loop

最后的赢家是……几种模式的结合！-)

$ python -mtimeit -s'import re; r=re.compile(r"(.*?)(#.*)?"); s="this is a line   # and this is a comment"' 'm=r.match(s); g=m.group(1)'
1000000 loops, best of 3: 1.73 usec per loop

声明：当然，如果这是一个真正的性能测试，速度确实很重要的话，应该用很多不同的、相关的值来测试 s，而且测试的内容也要超出这种小测试等等。但我还是觉得 timeit 是个无穷无尽的乐趣来源！-)

Answer 2

这是一个正确的正则表达式，可以用来做类似的事情：

([^#]*)(#.*)?

另外，为什么不直接使用

file = open('file.txt')
for line in file:

Answer 3

这个 * 符号是贪婪的，也就是说它会尽可能多地匹配字符串，所以它把整行都匹配了，包括 # 后面的内容，一直到行的结尾。你只需要把 ".*" 改成 ".*?"，这样就能正常工作了。

想了解更多信息，可以查看这个 正则表达式入门指南。